基于ADS-B的辐射源个体识别方法及装置_CN109886116A

基于深度自编码器的辐射源个体开集识别
林子榆;王翔;孙丽婷;柯达;柳征
【期刊名称】《太赫兹科学与电子信息学报》
【年(卷),期】2022(20)12
【摘要】为实现对城市用频设备的精确管控,针对特定辐射源开集识别问题,构建了一套基于深度学习的辐射源个体开集识别处理流程,核心在于指纹特征有效区间筛选与基于深度自编码器的开集识别模型。

一方面,通过使用Grad-CAM实现对深度网络激活可视化,筛选出信号对网络激活贡献较高的部分,在不损失过多指纹信息的情况下进行信号区间筛选;另一方面,建立基于半监督对抗自编码器的辐射源个体开集识别模型,实现对电磁环境中出现的未知辐射源个体的有效识别。

实验表明此开集识别模型能够在不损失闭集识别率的条件下实现高精确度的开集识别。

【总页数】7页(P1285-1291)
【作者】林子榆;王翔;孙丽婷;柯达;柳征
【作者单位】国防科技大学电子科学学院
【正文语种】中文
【中图分类】TN957.52
【相关文献】
1.基于变分自编码器的雷达辐射源个体识别
2.基于深度残差适配网络的通信辐射源个体识别
3.基于深度学习的ADS-B辐射源个体识别
4.基于深度学习的辐射源个体识别方法综述
5.面向开集场景的辐射源个体识别
因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度学习的雷达辐射源个体识别技术研究基于深度学习的雷达辐射源个体识别技术研究摘要：随着雷达技术的快速发展和广泛应用，雷达辐射源个体识别技术日益成为研究的热点之一。

本文主要探讨基于深度学习的雷达辐射源个体识别技术，并分析其未来发展前景。

1.引言雷达技术作为一种主要的无源探测手段，在国防、民生、航空航天等领域具有广泛的应用。

雷达辐射源个体识别技术能够准确区分不同雷达辐射源，从而实现对判别目标的识别与定位。

近年来，随着深度学习技术在计算机视觉领域的快速发展，基于深度学习的雷达辐射源个体识别技术正逐渐引起人们的关注。

2.深度学习简介深度学习是机器学习的一种技术，它模仿人脑神经网络的结构和工作原理，能够自动学习数据中的特征，并进行高级抽象和决策。

深度学习的核心是神经网络，其优点在于可以处理大规模、高维度的数据，并能够自动提取和学习特征。

3.基于深度学习的雷达辐射源个体识别技术3.1 数据采集和预处理为了构建有效的深度学习模型，首先需要采集大量的雷达辐射源数据，并进行预处理。

数据采集应覆盖不同的辐射源类型、功率、距离等信息，以提高模型的鲁棒性和适应性。

3.2 模型设计与训练基于深度学习的雷达辐射源个体识别技术的关键在于设计合适的模型结构，并对其进行训练和优化。

常用的模型包括卷积神经网络（CNN）、循环神经网络（RNN）和卷积神经网络与循环神经网络的结合（CNN-RNN）等。

通过训练数据集，模型可以从中学习到辐射源的特征和表征能力。

3.3 特征提取与表示学习对于雷达辐射源个体识别任务，特征提取和表示学习是十分重要的环节。

传统的方法主要使用人工设计的特征进行识别，而基于深度学习的方法可以自动学习数据中的特征，大大提高了识别的准确性和鲁棒性。

3.4 实验与结果分析为了验证基于深度学习的雷达辐射源个体识别技术的有效性，进行一系列实验，并对结果进行定量和定性分析。

实验结果表明，基于深度学习的雷达辐射源个体识别技术在准确性和鲁棒性方面较传统方法具有明显优势。

基于多特征的雷达辐射源个体识别方法研究
刘艺林;李胜勇;白良;蒙智蔚;成凯
【期刊名称】《电光与控制》
【年(卷),期】2024(31)1
【摘要】为解决复杂电磁环境下基于单一特征的雷达辐射源个体识别准确性低、稳健性不强的问题,提出了一种基于多种特征的雷达辐射源融合识别方法。

该方法以脉冲前沿包络、载波频率偏差以及谐波衰减系数为识别特征,通过设计多通道结构的一维卷积神经网络,实现不同结构特征的融合识别。

实验表明,该方法在低信噪比条件下依然具有较好的识别率,能够有效解决复杂电磁环境下基于单一特征的雷达辐射源个体识别的效果不佳问题。

【总页数】5页(P92-96)
【作者】刘艺林;李胜勇;白良;蒙智蔚;成凯
【作者单位】海军工程大学;中国人民解放军91715部队;中国人民解放军92192部队
【正文语种】中文
【中图分类】TN974
【相关文献】
1.基于个体特征的雷达辐射源识别方法
2.基于个体特征的雷达辐射源识别方法研究
3.基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法
4.基于多源信息融合的激光雷达辐射源个体识别方法
5.融合双谱特征的雷达辐射源个体识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于个体特征的雷达辐射源识别方法作者：李梓瑞来源：《中国新通信》2017年第05期【摘要】随着我国科学技术日新月异的发展，雷达技术也获得了快速发展，且其体制也越来越多样化。

但是目前电磁环境比较复杂，用以往的雷达辐射源识别方法已不能对其辐射源进行很好的识别。

而接下来本文主要谈论的就是基于个体特征的雷达辐射源识别方法。

【关键词】雷达辐射源个体特征识别方法一、简单分析辐射源的个体特征1、载频的雷达信号在精度上的差异。

如果一个运转正常的发射机要想使雷达产生信号，那么必须要有载频，而基带信号的产生则是由已调信号和载频相互作用产生的。

而且频率源的主要作用就是产生载波频率，但是每个频率源在制做手法都是有所不同的，而其主要不同是其输出的频率，因为不同频率源输出的频率跟标准的频率都是有一定程度的差距，或者高或者低，不尽相同。

但是如果，雷达信号的体制以及信号强弱都是一样的，那么此时两个雷达在载频上的差异就可以把其当成是个体特征的参数。

以上就是雷达信号在经度上的差异。

2、简述雷达脉冲频率在稳定度上的差别。

放眼全国各地的雷达，采用的体制大部分是全相参体系，而且使用的系统则是共同分享一个晶振，那么要想容易的了解晶体振荡器是否稳定，是否能达到稳定的标准，就可以通过观察雷达的脉冲重频是否稳定，因为两者可以说是相辅相成的。

虽然，目前市场上使用的晶体振荡器，在大多数情况下，人们都会把其振动频率认为是不变的，但是实际上不同晶体振荡器的频率是存在差别的，而要想精确的显示各个雷达间的细微变化，那么雷达的平均脉冲重复间隔就可以做到，可以精确地测出雷达间微小的变化。

因此，雷达的个体特征也应该包含拥有固定特征参数的雷达辐射源的PRI。

3、雷达信号在调制参数上存在个体差异。

在工作中的雷达一般都是通过专业人员的调制，而不是直接就使用的，而也正是由于这一因素，才会使得雷达存在更多不同的差异。

因为，就算雷达的型号、规格是一样的，但采用的器件极有可能存在差异，还有电路也易出现不同，而这多出的不同最后必然会造成调制参数存在差别。

第 21 卷 第 9 期2023 年 9 月太赫兹科学与电子信息学报Journal of Terahertz Science and Electronic Information TechnologyVol.21，No.9Sept.，2023面向ADS-B信号辐射源个体识别的轻量化模型设计王艺卉1,2，闫文君*1，徐从安1,3，查浩然4，桂冠5，陈雪梅3，葛亮6(1.海军航空大学信息融合研究所，山东烟台264001；2.中国人民解放军31401部队，山东烟台264001；3.北京理工大学前沿技术研究院，北京100000；4.哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150000；5.南京邮电大学信息与通信工程学院，江苏南京210000；6.天津市测绘院有限公司，天津300000)摘要：针对辐射源个体识别高精确度、轻量化、实时性的现实应用需求，提出了面向广播式自动相关监测(ADS-B)信号辐射源个体识别的轻量化模型设计方法。

根据信号数据特点进行解码处理，并对不均衡样本进行权重调节，改善样本质量；通过分组卷积获取不同维度的细微特征，与初始特征拼接，实现多维互补特征融合，并联同步进行提高识别效率。

利用Ghost bottleneck结构实现网络模型压缩与跨层连接，在融合多维特征的同时节省计算资源。

实验结果表明，本文算法结构精简，计算量低，识别率达到95.2%，并在不同容量的样本识别中效果稳定。

本文算法较好地平衡了辐射源个体识别精确度、轻量化与高时效的需求。

关键词：辐射源个体识别；Conv2D层；Ghost bottleneck结构；轻量化设计中图分类号：TN911.7 文献标志码：A doi：10.11805/TKYDA2023077Design of lightweight model for Specific Emitter Identification of ADS-B signalWANG Yihui1,2，YAN Wenjun*1，XU Congan1,3，ZHA Haoran4，GUI Guan5，CHEN Xuemei3，GE Liang6(1.Institute of Information Fusion，Naval Aviation University，Yantai Shandong 264001，China；2.Unit 31401 of the People's Liberation Army，Yantai Shandong 264001，China；3.Advanced Technology Research Institute，Beijing Institute of Technology，Beijing 100000，China；4.School of Information and Communication Engineering，Harbin Engineering University，Harbin Heilongjiang 150000，China；5.School of Information and Communication Engineering，Nanjing University of Posts and Telecommunications，Nanjing Jiangsu 210000，China；6.Tianjin Institute of Surveying and Mapping Company Limited，Tianjin 300000，China)AbstractAbstract：：Aiming at the practical application requirements of high precision, lightweight and instant for Specific Emitter Identification(SEI), a lightweight model design for radiation sourceindividual recognition of Automatic Dependent Surveillance-Broadcast(ADS-B) signal is proposed inthis paper. Firstly, the signal data is decoded according to the characteristics of the signal data, and theweight of the unbalanced sample is adjusted to improve the sample quality. Then, the small features ofdifferent dimensions are obtained by grouping convolution and splicing with the initial features to realizemultidimensional complementary feature fusion and parallel synchronization to improve the recognitionefficiency. Network model compression and cross-layer connection are implemented by using a Ghostbottleneck structure, which tends to save computing resources while integrating multi-dimensionalcharacteristics. The experimental results show that the proposed algorithm has the advantages of simplestructure and low computational load, high recognition rate of 95.2%, and a stable recognition effect indifferent capacity samples. The proposed design better balances the needs of individual identificationaccuracy, lightweight and efficiency for SEI.KeywordsKeywords：：Specific Emitter Identification；Conv2D；Ghost bottleneck；design of lightweight model特定辐射源识别(SEI)是指从接收信号中提取细微差异用于关联单个辐射源的技术[1]。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910996596.8(22)申请日 2019.10.19(71)申请人 中国电波传播研究所（中国电子科技集团公司第二十二研究所）地址 266107 山东省青岛市城阳区仙山东路36号(72)发明人 靳睿敏　甄卫民　陈奇东　韩超　(74)专利代理机构 北京中济纬天专利代理有限公司 11429代理人 张晓(51)Int.Cl.G01S 19/21(2010.01)(54)发明名称一种基于ADS-B的三维椭球交叉GNSS干扰源定位方法(57)摘要本发明公开了一种基于ADS -B的三维椭球交叉GNSS干扰源定位方法，包括如下步骤：步骤1：获取ADS -B接收机的所有飞机的ADS -B数据信息；步骤2：搜索ADS -B数据信息中有位置信息丢失的航线；步骤3：分析每条位置信息丢失航线的位置丢失点和位置重获取点；步骤4，利用线性化降维及最小二乘法实现三维椭球GNSS干扰源定位。

本发明所公开基于ADS -B的三维椭球交叉GNSS干扰源定位方法，利用机场逐步推广的ADS -B （广播式自动相关监视）系统中的GNSS信息，不需要增加额外设备以及传输链路，成本低、易实现，为大范围的GNSS干扰源定位提供可能。

权利要求书2页 说明书5页 附图2页CN 110988922 A 2020.04.10C N 110988922A1.一种基于ADS-B的三维椭球交叉GNSS干扰源定位方法，其特征在于，包括如下步骤：步骤1：获取ADS-B接收机的所有飞机的ADS-B数据信息；步骤2：搜索ADS-B数据信息中有位置信息丢失的航线；步骤3：分析每条位置信息丢失航线的位置丢失点和位置重获取点；步骤4，利用线性化降维及最小二乘法实现三维椭球GNSS干扰源定位：对于第k条有位置丢失点和重获取点的航线，建立以下方程：其中，x J、y J、z J分别为干扰源的三维坐标，x Lk、y Lk、z Lk分别为第k条有位置丢失点和重捕获点航线的位置丢失点的三维坐标，x Rk、y Rk、z Rk分别为第k条有位置丢失点和重捕获点航线的位置重获取点的三维坐标；步骤51：对方程(1)进行去根号，可得：步骤52：对方程(2)进行线性化降维，记：通过寻找GNSS干扰源的初始位置(x J,0,y J,0,z J,0)开始线性化，更新的干扰源的坐标为：其中，△x J1、△y J1、△z J1为增量，f(x J,1,y J,1,z J,1)的泰勒展开式为：经过这种变化后，就实现了方程(2)的线性化方程：步骤53：对于每一条有位置丢失点和重捕获点航线的位置丢失点的航线，都可以建立方程(6)，当多于三条及三条以上这样的航线时，可建立求解干扰源位置的方程组：对于该方程组，采用最小二乘进行求解，最小二乘是给出一个无解的方程Ax＝b，A有m行和n列，m>n；其中观测值b1,...,b m的个数大于求解参数的个数，称之为最优解应使误差向量的长度最小，则等价于使得||e||2＝(b-Ax)T(b-Ax)最小，最小化该二次方程得到：采用最小二乘可求得方程组(7)的解△x J1、△y J1、△z J1；步骤54：求得△x J1、△y J1、△z J1后，可由方程(4)求得干扰源的新位置，将该新位置作为新的初始位置(x J,0,y J,0,z J,0)，从方程(5)到方程(7)循环计算，直到增量△x J1、△y J1、△z J1收敛到设定阈值为止。

一种辐射源个体识别方法、装置及设备
.本申请涉及通信技术领域，特别是指一种辐射源个体识别方法、装置及设备。

背景技术.随着无线通信的高速发展，无线通信业务飞速增长。

为了保障无线通信的高效安全，需要进行无线电监测。

所以，辐射源识别技术作为处于信号接收和解调的中间步骤，是一种通过分析接收信号的隐含的非理想硬件指纹的统计特征，从而快速、自动地识别不同辐射源的技术。

.目前已有的辐射源识别技术分为两大类：基于似然的调制方式识别技术和基于特征的辐射源识别技术。

前者可以得到最优结果但计算时间复杂度较高，故不常用在实际场景中；而后者虽然结果次...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。

该专利适合技术人员进行技术研发参考，增加技术思路，做技术知识储备，不适合论文引用。