基于度量学习和子域自适应的辐射源个体识别

来源：电讯技术杂志2025年第3期北京时间：

作者：周锋,杜奕航,赵芸,乔晓强,张涛

单位：(1.南京信息工程大学 电子与信息工程学院，南京 210044;2.国防科技大学第六十三研究所，南京 210007)

摘要：为解决辐射源个体识别中信号传输环境变化引起的数据分布不一致，导致仅接受单一分布数据集训练的网络模型识别准确率严重退化这一问题，提出结合度量学习和子域自适应的辐射源个体识别方法。该方法借鉴了领域自适应中子域自适应的思想，应用局部最大均值差异损失来缩小不同分布下相同辐射源类别之间的差异，并在其基础上加入基于欧氏距离和余弦相似度的度量学习损失，稳定迁移效果。实验表明，在同时使用了度量学习损失和子域自适应方法后，目标域识别准确率相比于未使用迁移方法提高了38.7%左右，并且模型具有良好的泛化能力。

关键词：辐射源个体识别；度量学习；子域自适应；余弦相似度；

基金资助：国家自然科学基金资助项目（62371463）