下载文档原格式
基于Dempster-Shafer证据理论的通信辐射源个体识别算
法
郭晓陶;王星;周冬青
【期刊名称】《兵工学报》
【年(卷),期】2016(037)010
【摘要】针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种多传感器融合识别算法进行复杂电磁环境中的通信个体识别.该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息.该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果.分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡.与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率.
【总页数】8页(P1844-1851)
【作者】郭晓陶;王星;周冬青
【作者单位】空军工程大学航空航天工程学院,陕西西安710038;空军工程大学航空航天工程学院,陕西西安710038;空军工程大学航空航天工程学院,陕西西安710038
【正文语种】中文
【中图分类】TN911.72
【相关文献】
1.基于证据理论的雷达与通信侦察目标识别算法
2.基于双谱特征融合的通信辐射源识别算法
3.基于双谱与特征选择的通信辐射源识别算法
4.基于小样本条件的雷达辐射源个体识别算法
5.基于脉内特征的通信辐射源信号识别算法
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。
2020年7月基于深度学习的电磁辐射源识别技术杜盈,何瑞珠（中国电子科技集团公司第七研究所，广东广州510310）【摘要】传统人工设计指纹特征很难分析出同类辐射源信号之间个体的细微区别,若是能直接从信号中提取辐射源指纹,则可以大大加强指纹特征的表征能力。
深度学习不仅包含了神经网络的输入层、隐层、输出层等结构,而且完美地将特征和分类器结合到一个框架中,省去了人工设计特征的烦琐和不易,还能从样本中学习数据的本质特征,实现复杂函数的逼近。
为提取有效的信号指纹,本文利用CNN和CLDNN两种网络结构,并结合centerloss损失函数来进一步提升网络分类性能。
【关键词】深度神经网络;辐射源指纹;个体识别【中图分类号】TN957.51【文献标识码】A【文章编号】1006-4222（2020）07-0075-021概述辐射源指纹是同一通信设备发送的信号在无限区域上的一维波形重复出现的变化规律信息。
辐射源指纹识别技术主要根据各通信设备硬件差异在发射信号上所表现出来的区别于其他个体的特征，对信号承载的隐含信息进行分析，深入挖掘通信设备的工作参数和特征参数等精细结构（个体细微特征），标识信号来自哪部通信设备，实现设备追踪，掌握其工作状态及活动规律，进而有针对性地对其进行监视、电子干扰或者打击。
近年来，国内外对辐射源指纹特征的研究越发深入，例如在针对信号调制参数的信号指纹提取方面，提取同型号两台短波电台的2FSK信号的载频和码元过渡时间构造信号指纹，显示出不同短波电台信号指纹之间的差异性。
但是传统方法也有一些弊端，比如采用双谱特征融合的方法，可以快速准确地完成辐射源指纹特征提取及分类识别，但需要大量的训练样本。
在针对信号杂散特性的信号指纹提取方面，将基于复小波变换提取包络的统计值作为信号指纹，在实际环境中信号极易受到噪声或电子干扰，其微弱的杂散特征成分的差异可能无法准确表征通信辐射源个体。
传统的辐射源分类识别都是提取辐射源的专家特征，然后利用支持向量机（SVM）等分类模型进行分类，将提取射频指纹和分类割裂开来。
基于局部围线积分双谱的通信辐射源个体识别陶旺林;卢选民;刘李娟【摘要】对同类通信辐射源个体识别方法进行了深入的研究,提出了基于局部围线积分双谱的通信辐射源个体识别算法,融合了辐射源调制特征参量作为分类特征向量,采用了基于混合核函数的支持向量机(SVM)实现辐射源个体识别.实验结果表明,该方法具有较高的正确识别率(90％以上),并能够较好地解决同型号、同批次通信辐射源的个体识别问题.%Based on the research of identifying individual radio transmitters with the same model, a novel method for identifying individual radio transmitters with the selected local surrounding-line integral bi-spectrum is proposed. The selected spectra and parameters significant for classification of the received signal form the identification feature vector, and Support Vector Machine (SVM) based on mixed kernel function is used to realize the individual identification. The experimental results demonstrate that the suggested technique has a recognition rate of 90%, and it can solve the problem of identifying individual transmitters with the same model and manufacturing lot.【期刊名称】《计算机工程与应用》【年(卷),期】2013(049)001【总页数】4页(P131-133,136)【关键词】通信辐射源;局部围线积分双谱;支持向量机(SVM);混合核函数【作者】陶旺林;卢选民;刘李娟【作者单位】西北工业大学电子信息学院,西安710129;西北工业大学电子信息学院,西安710129;西北工业大学电子信息学院,西安710129【正文语种】中文【中图分类】TP391.4通信辐射源个体识别是近年来通信对抗领域一个重要的研究课题，它主要根据各通信设备硬件差异在发射信号上所表现出来的区别于其他个体的特征，判别信号来自哪部通信设备，实现设备追踪，进而有针对性地对敌重要通信装备及其载体进行监视、电子干扰或者军事打击。
