通信辐射源个体识别技术研究

合集下载

一种新的通信辐射源个体识别方法

ＺＨＡＯｏｑｎ。ＰＧｕ－ｉｇＥＮＧａ，ＷＡＮＧｎ，ＴＨｕＢｉＥＮＧＢｏ
（．ＩｓｔｔｏｆｒａｉｎＥｇｎｅｉｇｎｏｍｔｎＥｇｎｅｎｎｖｒｔｈｎｚｏｅａ５０２ｈｎ；１ｎｔｕＩｏｍｔｎｉｅｎ，ＩｒａｉｎｉｒｇＵｉｓｙｉｅｆｎｏｒｆｏｅｉｅｉ，ＺｅｇｈｕＨｎｎ４００，Ｃｉａ２Ｕｉ７４６ｏＩ．ｎｔ２０ｆＰＡ，Ｗｅａｈｎｏｇ２４０，Ｃｉａｉｉａｄｎ６２３ｈｎ）ｈＳ
ＪｕｎｌｏｍｐｔｒＡｐｌａｉｎｏｒａｆＣｏｕｅｐｉｔｓｃｏ
ＩＳ１０１９ＳＮ０ — ０８１
２２．５— ０１００１
计算机应用，０２３（）１６４２１６２１，２５：４０—１６，４６文章编号：０１９８（０２０１０ — ０１２１）５—１６０４０— ３
ｕｋｏｎｓｍｌｓｏｓｍｘｅｔｈａｕｅｗｓｒｂｓｕｄｒＷＧ（ｄｉｖｉａｓｉｏｓ）ｈｏｐｔｎｎｗａｐｅ．Ｔｏｅｅｔｎ，ｔｅｆｔｒａｏｕｔｎｅｅＡＮＡｄｔｅＷｈｔＧｕｓｎＮｉ．Ｔｅｃｍｕｅｉｅａｅｒ
依据不同通信辐射源中振荡器个体的频率稳定度不相等这一事实，出一种适用于多进制数字相位调制（Ｓ信提ＭＰＫ）
号的基于分形维数的特征提取与分类方法。首先对中频信号进行过采样，然后提取信号瞬时相位的信息维数作为分类特征，最后利用支持向量机（Ｖ分类器实现样本属性的自动判别。该方法特征维数低、ＳＭ）分类简单，对加性高斯白

一种基于循环谱切片的通信辐射源识别方法

摘要：提出一种基于循环谱切片的通信辐射源个体识别方法。通过计算信号的循环谱密度矩阵，将循环谱密度切片作为初始高维特征，再采用主成分分析方法对其进行降维处理得到指纹特征矢量，最后采取概率神经网络分类器实现辐射源的个体识别。通过对２Ｏ部手持机的实验表明，使用该方法提取的特征矢量能够较好地反映
ＣｈｅｎＺｈｉｗｅｉ，ＸｕＺｈｉｊｕｎ，ＷａｎｇＪｉｎｍｉｎｇ，ＸｕＹｕｌｏｎｇ，ＫｏｎｇＬｅｉ
（ＣｏｌｌｅｇｅｏｆＣｏｍｍｕｎｉｃａｔｉｏｎｓＥｎｇｉｎｅｅｒｉｎｇ，ＰＬＡＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ，２１０００７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｍｅｔｈｏｄｂａｓｅｄｏｎｃｙｃｌｉｃｓｐｅｃｔｒｕｍｄｅｎｓｉｔｙｓｌｉｃｅｆｏｒｅｍｉｔｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎｉｓｐｒｅｓｅｎ— ｔｅｄ．Ｔｈｅｓｉｇｎａｌｃｙｃｌｉｃｓｐｅｃｔｒｕｍｄｅｎｓｉｔｙｍａｔｒｉｘｉｓｃａｌｃｕｌａｔｅｄａｎｄｉｔｓｓｌｉｃｅｉｓｕｓｅｄａｓｔｈｅｉｎｉｔｉａｌｈｉｇｈ — ｄｉｍｅｎｓｉｏｎｆｅａｔｕｒｅ．Ｔｈｅｎｔｈｅｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｍｅｔｈｏｄｉｓｕｓｅｄｔｏｄｅｓｃｅｎｄｔｈｅｄｉｍｅｎｓｉｏｎａｎｄｏｂｔａｉｎｔｈｅｆｉｎｇｅｒｐｒｉｎｔｆｅａｔｕｒｅｖｅｃｔｏｒ．Ｆｉｎａｌｌｙ，ｔｈｅｅｍｉｔｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎｉｓｒｅａｌ — ｉｚｅｄｂｙｕｓｉｎｇｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｃｌａｓｓｉｆｉｅｒ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｂａｓｅｄｏｎ２０ｉｎｔｅｒｐｈｏｎｅｓ

基于双谱的通信辐射源个体识别

识别方法，即采用高阶谱分析对辐射源个体特征参数进行提取，并在特征向量中融合了对分类具有显著贡献的特征参数。采用径向基神经网络完成对相同型号、相同批次、工作参数相同的电台进行个体识别。在１ｄ信噪比的条件下，识别正确率优于５Ｂ
Ａｂｔａｔｓｒｃ：ＢａｅｎｔｅｂｓｅｔｎｓｄｏｉｐｃｒａｄＲＢＦａｎｗｔｏｏｅｔｙｎｉｅｅｔｒｎｍｉｔｒｆｔｅｓｍｏｅｓｈａ，ｅｍｅｈｄｆｒｉｎｉｉｇｄｆｒｎａｓｔｓｏｈａｄｆｔｅｄｌｗａｐｅｅｔｄＴｈｅｅｔｄｓｅｔｎａａｔｒｉｎｆａｔｆｒｃａｓｃｔｎｏｈｅｅｖｄｓｎ！ｏｍｅｉｅｔｃｔｎｒｓｎｅ．ｅｓｌｃｐｃｒａｄｐｒｍｅｅｓｓｇｉｃｎｏｌｓｉａｉｆｔｅｒｃｉｅｉａｆｒｔｄｎｉａｉｅａｉｉｆｏ￣ｈｉｆｏｆａｕｅｖｃｏ，ｎｅｔｒｅｔｒａｄＲＢｓｕｅｏｒａｉｅｔｅｉｄｖｄａｉｅｔｃｔｎＥｘｅｉｎｅｕｔｈｗｔａｔｅｍｅｈｄｉｂｅｔＦｗａｓｄｔｅｌｈｎｉｉｕｌｄｎｉａｉ．ｐｒｍｅｔｓｌｓｏｈｔｈｔｏｓａｌｚｉｆｏｒｓｏｃａｓｙｔｅｓｍｏｅｔｎｍｉｅｗｉｎａｃｒｃｔｆｏｌｓｈｎ９％ｕｄｒｈｎｉｏｍｅｔｆｏｒＮＲ．ｌｓｉｈｆａｄｌｒｓｔｒｔａｔｈａｃｕａｙｒｅｏｎｅｓｔａＯａｎｅｔｅｅｖｒｎｎｏｌｗｅＳＫｅｙｗｏｄ：ｅｅｔｄｂｓｅｔ；ＢＦｉｄｖｄａｉｅｔｃｔｎｒｓｓｌｃｅｉｐｅｒＲａ；ｎｉｉｕｌｄｎｉａｉｉｆｏ

通信发射机个体识别技术研究

上世纪６０年代中期，国开始对发射机个体美
识别技术的研究。据报道，２０于００年，有发射已机个体识别系统的研制和使用＿，出于保密原２但Ｊ因，中的关键技术并无资料可查。在发射机个其
Ｋｅｗｏｄｙｒｓ：ｃｍｍｕｉａｉｎｅｔｅ；ｉｄｖｄａｄｎｉｃｔｎ；ｅｔｒｆｎｅｐｉｔｐｅｉｃｅｔｅ — ｏｎｃｔｏｍｉｔｒｎｉｉｕｌｉｅｔｆａｉｉｏｍｉｅｇｒｒｎ；ｓｃｆｍｉｒｉｔｉｉｔ
ｄｎｉｃｔｎｅｔｉａｉｎｆ
行为，以维护通信网络的安全… 。１
０引言
通信发射机个体识别技术是通信信号侦察领域中一个具有重要意义和很大难度的技术命题。该技术期望通过对相同型号发射机硬件个体差异
论文还未对个体特征的时间有效性进行研究。本
文尝试从发射机的结构原理着手构建一个意义明
确的发射机个特征提取系统，对个体特征的时针效特性和可分类性引入了特征评价分系统和情报支持分系统，在此基础上提出一种通信发射机并个体识别技术的顶层设计方案。
于对发射机平台的身份、胁等级等进行识别评威估；无线电监测领域，体识别技术可用于跟踪在个对无线频谱非法利用和干扰的行为；商用无线在

嵌入注意力机制的通信辐射源个体识别方法

第４４卷　第１期系统工程与电子技术Ｖｏｌ．４４　Ｎｏ．１２０２２年１月ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＪａｎｕａｒｙ２０２２文章编号：１００１５０６Ｘ（２０２２）０１００２００８　网址：ｗｗｗ．ｓｙｓｅｌｅ．ｃｏｍ收稿日期：２０２１０１１８；修回日期：２０２１０５１５；网络优先出版日期：２０２１０７１２。

网络优先出版地址：ｈｔｔｐ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２１０７１２．１６５６．０２４．ｈｔｍｌ基金项目：安徽省自然科学基金（１９０８０８５ＭＦ２０２）资助课题通讯作者．引用格式：曲凌志，杨俊安，刘辉，等．嵌入注意力机制的通信辐射源个体识别方法［Ｊ］．系统工程与电子技术，２０２２，４４（１）：２０２７．犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋：ＱＵＬＺ，ＹＡＮＧＪＡ，ＬＩＵＨ，ｅｔａｌ．Ｍｅｔｈｏｄｆｏｒｉｎｄｉｖｉｄｕａｌｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉａｔｉｏｎｓｏｕｒｃｅｅｍｂｅｄｄｅｄｉｎａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２２，４４（１）：２０２７．嵌入注意力机制的通信辐射源个体识别方法曲凌志，杨俊安，刘　辉，黄科举（国防科技大学电子对抗学院，安徽合肥２３００３７）摘　要：复杂电磁环境中，针对低信噪比条件下现有神经网络识别算法对于通信电台识别准确率不高的问题，提出一种结合双层注意力机制和残差网络的通信辐射源个体识别方法。

首先，以空间注意模块和通道注意模块构成注意力机制。

其次，在一维残差网络中嵌入双层注意力机制，提高对关键特征的学习能力。

最后，在实际数据集上验证算法的有效性。

实验证明，相比于残差神经网络算法，所提方法既能保持模型较好的稳定性又在数据集上有明显的提升效果。

关键词：低信噪比；辐射源识别；注意力机制；残差学习中图分类号：ＴＮ９１１．７文献标志码：Ａ犇犗犐：１０．１２３０５／ｊ．ｉｓｓｎ．１００１５０６Ｘ．２０２２．０１．０３犕犲狋犺狅犱犳狅狉犻狀犱犻狏犻犱狌犪犾犻犱犲狀狋犻犳犻犮犪狋犻狅狀狅犳犮狅犿犿狌狀犻犮犪狋犻狅狀狉犪犱犻犪狋犻狅狀狊狅狌狉犮犲犲犿犫犲犱犱犲犱犻狀犪狋狋犲狀狋犻狅狀犿犲犮犺犪狀犻狊犿ＱＵＬｉｎｇｚｈｉ，ＹＡＮＧＪｕｎａｎ，ＬＩＵＨｕｉ，ＨＵＡＮＧＫｅｊｕ（犐狀狊狋犻狋狌狋犲狅犳犈犾犲犮狋狉狅狀犻犮犆狅狌狀狋犲狉犿犲犪狊狌狉犲狊，犖犪狋犻狅狀犪犾犝狀犻狏犲狉狊犻狋狔狅犳犇犲犳犲狀狊犲犜犲犮犺狀狅犾狅犵狔，犎犲犳犲犻２３００３７，犆犺犻狀犪）犃犫狊狋狉犪犮狋：Ｉｎｃｏｍｐｌｅｘｅｌｅｃｔｒｏｍａｇｎｅｔｉｃｅｎｖｉｒｏｎｍｅｎｔ，ａｎｏｖｅｌｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉａｔｉｏｎｓｏｕｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｃｏｍｂｉｎｉｎｇｄｏｕｂｌｅｄｅｃｋａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍａｎｄｒｅｓｉｄｕａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｅｘｉｓｔｉｎｇｎｅｕｒａｌｎｅｔｗｏｒｋｉｄｅｎｔｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｎｏｔａｃｃｕｒａｔｅｅｎｏｕｇｈｉｎｃｏｍｍｕｎｉｃａｔｉｏｎｓｔａｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｕｎｄｅｒｌｏｗｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏｃｏｎｄｉｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｓｐａｔｉａｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅａｎｄｃｈａｎｎｅｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅａｒｅｕｓｅｄｔｏｃｏｎｓｔｒｕｃｔｔｈｅａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ．Ｓｅｃｏｎｄｌｙ，ａｔｗｏｌａｙｅｒａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｉｓｅｍｂｅｄｄｅｄｉｎｔｈｅｏｎｅｄｉｍｅｎｓｉｏｎａｌｒｅｓｉｄｕａｌｎｅｔｗｏｒｋｔｏｉｍｐｒｏｖｅｔｈｅｌｅａｒｎｉｎｇａｂｉｌｉｔｙｏｆｋｅｙｆｅａｔｕｒｅｓ．Ｆｉｎａｌｌｙ，ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍｉｓｖｅｒｉｆｉｅｄｏｎｔｈｅａｃｔｕａｌｄａｔａｓｅｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｒｅｓｉｄｕａｌｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｎｏｔｏｎｌｙｍａｉｎｔａｉｎｓｂｅｔｔｅｒｓｔａｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌ，ｂｕｔａｌｓｏｈａｓａｓｉｇｎｉｆｉｃａｎｔｉｍｐｒｏｖｅｍｅｎｔｅｆｆｅｃｔｏｎｔｈｅｄａｔａｓｅｔ．犓犲狔狑狅狉犱狊：ｌｏｗｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ；ｒａｄｉａｔｉｏｎｓｏｕｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ；ｒｅｓｉｄｕａｌｌｅａｒｎｉｎｇ０　引　言辐射源个体识别（ｓｐｅｃｉｆｉｃｅｍｉｔｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ＳＥＩ）是指提取同型号、同批次通信辐射源信号中的个体特征来识别不同辐射源个体的过程［１］。

基于深度聚类的通信辐射源个体识别方法

基于深度聚类的通信辐射源个体识别方法
贾鑫;蒋磊;郭京京;齐子森
【期刊名称】《空军工程大学学报》
【年(卷),期】2024(25)1
【摘要】针对非合作通信条件下缺少标签数据的通信辐射源个体识别问题,提出了一种基于深度聚类的通信辐射源个体识别方法。

利用自编码器网络强大的特征提取和数据重构能力对原始I/Q数据进行表征学习,提取个体识别的指纹特征,同时将表征学习过程和特征聚类过程进行联合优化,使表征学习和特征聚类契合度更高,更好地完成无标签条件下的通信辐射源个体识别。

通过对5种ZigBee设备采集的信号进行实验,结果表明在信噪比高于0 dB时,可以达到85%以上的识别准确率,证明了本文方法的有效性和稳定性。

【总页数】8页(P115-122)
【作者】贾鑫;蒋磊;郭京京;齐子森
【作者单位】空军工程大学信息与导航学院;93184部队
【正文语种】中文
【中图分类】TN957.51;TN911.7
【相关文献】
1.一种基于深度置信网络的通信辐射源个体识别方法
2.基于深度学习的辐射源个体识别方法综述
3.基于多域特征融合的通信辐射源个体识别方法
4.基于卷积原型网
络的通信辐射源个体开集识别方法5.基于SDAE_SVDD的通信辐射源个体开集识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。

一种稳健的通信辐射源个体识别方法

法稳健有效，可在信噪ｒＥ５ｄＢ情况下实现９３．７％的正确识别概率。
关键词：通信对抗；通信辐射源个体识别；峰值提取；包络特征；模板匹配；模式识别
中图分类号：ＴＮ９７５
文献标志码：Ａ
引用格式：黄欣，郭汉伟．一种稳健的通信辐射源个体识别方法［Ｊ］．电讯技术，２０１５，５５（３）：３２１ — ３２７．［ＨＵＡＮＧＸｉｎ，ＧＵＯＨａｎｗｅｉ．ＡＲｏｂｕｓｔＳｐｅ —
一
种稳健的通信辐射源个体识别方法
黄欣料，郭汉伟
（１．中国西南电子技术研究所，成都６１００３６；２．北京科航军威科技有限公司。北京１０００４４）
摘
要：通信辐射源个体识别是目前通信对抗领域研究热点与难点问题，相对于雷达辐射源．通信辐
第５５卷第３期
２０１５年３月
电讯技术
ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ
Ｖｏ１．５５．Ｎｏ．３
Ｍａｒｃｈ，２０１５
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－８９３ｘ．２０１５．０３．０１６
ｐｌａｔｅｓｉｎｐｏｗｅｒｓｐｅｃｔｒｕｍｄｏｍａｉｎａｎｄｃｏｎｓｔｕｃｒｔｔｈｅｓｐｅｃｉｉｃｆｖｅｃｔｏｒｆｅａｔｕｒｅ．ＣｏｍｂｉｎｉｎｇｔｈｅＮａｉｖｅＢａｙｅｓｃｌａｓ —

基于多谱与支持向量机的通信辐射源个体识别

ｐｒｍｅｅｓａｅａｏｔｄａａｉｅｔｒｅｔｒａｄｔｅｓｇｉｃｎｅｔｒａａｔｒｆｒｃａｓｃｔｎｏｈｅｅｖｄａａｔｒｒｄｐｅｓｂｓｆａｕｅｖｃｏｎｈｉｎｆａｔａｕｅｐｒｍｅｅｓｏｌｓｉａｉｆｔｅｒｃｉｅｃｉｆｉｆｏｓｇａａｅｓｎｒｔｅｏｆｒｈｅｅｔｒｅｔｒｏｄｎｉｃｔｎｉｎｌｒｙｃｅｉｄｔｍｔｅｎｗｆａｕｅｖｃｏｆｉｅｔａｉ．Ａｅｔｏｓｎｕｐｒｖｃｏｃｉｅｚｏｉｆｏｎｗｍｅｈｄｕｉｇｓｐｏｅｔｒｍａｈｎｔ
关键词：部积分双谱；持向量机；函数；射源个体识别局支核辐
中图分类号：Ｐ９．Ｔ３１４文献标识码：Ｂ
ＴｒｎｍｉｔｒＩｉｉｕａｄｎｔｆｃｔｏｓｄｏＰｏｙｐｃｒａｓｔｅｎｄｖｄｌＩｅｉａｉｎＢａｅｎｌｓｅｔａｉ
第２卷第１期７１
文章编号：０６— ３８２１）１—０４０１０９４（００１３９— ５
计
算
机
仿
真
２１年１月００１
基于多谱与支持向量机的通信辐射源个体识别
杨举卢选民周亚建，，
（西北工业大学电子信息学院，西西安７０２１陕１１９；２．北京邮电大学信息安全研究所，京１０７北０８６）摘要：研究电台信号性能识别问题，对同类辐射源个体难以分类识别的特点，消除噪声，别有效信号，用一种局部：针为识采

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

通信辐射源个体识别技术研究
通信辐射源个体识别技术对提升无线通信系统的安全性和提高
军事通信侦察对抗能力具有重要意义。

通过提取通信辐射源发射机在设计、生产过程中产生的硬件设备差异特征,可以分辨接收的信号来自哪个通信辐射源。

然而,提取这些细微的辐射源个体差异特征非常困难,使得通信辐射源个体识别技术研究成为一项十分具有挑战性的课题。

本文系统的研究了通信辐射源个体识别的理论框架,在此基础上研究了多种具有理论及实用价值的个体识别算法,通过仿真实验和实测数据验证了算法的有效性,部分算法在实际通信辐射源个体识别系统中得到了应用。

本文主要工作包括以下几个方面:1.通信辐射源个体识别基本理论研究。

分析了通信辐射源射频指纹特征信息的传输和处理流程,构建了通信辐射源个体识别的理论框架。

在建立通信辐射源个体特征信息的编译码模型基础上,分析了辐射源个体识别系统的理论性能,指出辐射源个体识别处理流程中应尽可能减少个体特征信息的损失。

2.基于发射机非线性模型的辐射源个体识别方法研究。

在分析通信辐射源个体差异特征的生成机理基础上,研究了基于发射机功放非线性行为的辐射源个体识别方法,可以刻画辐射源发射机功放的弱记忆非线性行为。

针对单器件非线性参数特征不足以精细建模辐射源发射机的个体差异,研究了发射机正交调制器畸变和功放非线性行为联合建模的辐射源个体识别方法,得到的个体特征向量可以更好地刻画不同发射机差异。

考虑到难以精确建模和求解发射机中包含的所有模拟器件非线性行为,提出了一种基于自然测度的辐射源个体
识别方法,将辐射源发射机整体视作一个非线性系统,直接提取发射机系统的非线性特征,可有效分辨不同的辐射源发射机个体。

3.基于统计学习的辐射源个体识别方法研究。

为避免辐射源个体特征提取过程中依赖人的主观经验导致的个体差异信息损失,研究了三种基于统计学习的辐射源个体识别方法。

基于信号暂态稀疏表示的辐射源个体识别方法,利用低维特征空间暂态稀疏表示,采用重构误差最小化原则训练特征提取器,并据此分辨新样本的辐射源类别属性。

基于全局图Fisher分析的辐射源个体识别方法,兼顾了样本数据局部线性流形的保持、全局类间分离性和类内聚集性,提取的个体特征更适合于辐射源个体识别。

研究了基于信息理论的辐射源个体识别方法,通过最大化辐射源个体特征与类别的互信息并最小化特征重构误差熵,使得提取的特征能充分反映辐射源个体差异。

4.基于特征提取与分类器联合优化的辐射源个体识别方法研究。

为避免所提个体特征不适合于指定的分类器而导致分类识别率下降,提出了两种基于联合优化的辐射源个体识别方法。

提出的基于特征降维与分类器联合优化的辐射源个体识别方法,通过最小化分类器分类误差且最大化降维特征与辐射源类别的互信息,可使得降维特征更适合使用的分类器。

提出的基于低秩表示与最小预测误差正则化的辐射源个体识别方法,通过损失函数将辐射源类别信息显式地引入原始数据低秩表示模型,得到的个体特征更具分辨能力。