基于深度学习的跨域辐射源个体识别综述

作     者：李奇真 刘佳旭 梁先明 龙慧敏 董海 曹广平 李建清 LI Qizhen;LIU Jiaxu;LIANG Xianming;LONG Huimin;DONG Hai;CAO Guangping;LI Jianqing

作者机构：中国西南电子技术研究所成都610036 电子科技大学电子科学与工程学院成都611731 

出 版 物：《电讯技术》 (Telecommunication Engineering)

年 卷 期：2024年第64卷第7期

页      面：1163-1174页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 0711[理学-系统科学] 13[艺术学] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：跨域辐射源个体识别 深度学习 域适应 开源跨域辐射源数据集 

摘      要：基于深度学习的辐射源个体识别已经成为识别和认证无线设备的主要研究方法之一。然而,基于传统深度学习的辐射源个体识别算法不能直接应用于跨域(跨信道条件、跨接收机、跨接收时间等)辐射源个体识别场景,因为一个域上的数据训练的模型用于另一个域上进行推理,其效果通常会变差。调研了现有基于对比学习、迁移学习、域适应等先进深度学习的跨域辐射源个体识别方法,整理和归纳了跨域辐射源个体识别相关的开源数据集。分析了跨域辐射源个体识别存在的难题与挑战,展望了跨域辐射源个体识别发展趋势及未来研究方向,以助力深度学习在复杂电磁环境下辐射源个体识别的实用化。