基于深度学习与聚类的开集个体识别技术

来源：电子测量技术杂志2025年第5期北京时间：

作者：未争超，乔强，郎俊杰，杨鸿杰

单位：1.中国电子科技集团公司第五十四研究所 石家庄 050051;2.河北省电磁频谱认知与管控重点实验室 石家庄 050051

摘要：针对开集场景下闭集网络无法有效识别未知类的问题，本研究提出了一种基于深度学习与无监督聚类相结合的辐射源开集个体识别（SEI）方法。通过对原始数据进行精细化的预处理以提取蕴含指纹特征的常规特征波形，将常规特征波形进行闭集网络训练，基于概率度量手段对待识别类样本进行已知/未知判决，对识别成未知类的样本提取残差网络全连接层特征进行无监督降维、聚类处理，通过聚类结果明确未知个体数量。实验结果表明，相对于传统闭集网络识别，本研究所提方法能够在已知类准确识别的前提下，实现对已知/未知类的有效区分，识别正确率均在97%以上，并能准确识别10个未知电台数目，实验结果验证了方法的有效性。

关键词：个体识别;深度学习;无监督聚类;开集

基金资助：国家自然科学基金-联合基金（U20B2071）项目资助