基于深度残差收缩网络的辐射源个体识别方法

来源：电子测量技术杂志2022年第9期北京时间：

作者：唐震，乔晓强，张涛，苏健，杨小蒙

单位：1.南京信息工程大学，计算机与软件学院，南京 210044;2.国防科技大学第六十三研究所，南京 210007; 3.南京信息工程大学，电子与信息工程学院，南京 210044

摘要：辐射源个体识别是电子对抗领域中的重要技术，通过识别设备间不同细微特征从而达到区分非法设备与合法设备的目的。针对辐射源个体间指纹特征差异细微且在噪声干扰下提取特征较少的问题，本文提出了一种基于深度残差收缩网络的辐射源个体识别方法。该方法首先将I/Q图特征数据进行拼接，利用数据增强技术进行样本扩充，进而构建了深度残差收缩网络识别模型，最后对构建的模型进行ADS-B辐射源个体识别训练并进行识别效果评估。仿真结果表明，本文构建的深度残差收缩网络通过消除数据噪声的优势，对数据增强后的20类ADS-B辐射源个体在0dB的低信噪比条件下总体识别准确率达到98.2%，其性能较相同层数的Resnet网络提高了1.3%，并明显优于现有其他方法。

关键词：深度残差收缩网络;辐射源个体识别;特征拼接;数据增强;软阈值化

基金资助：国家自然科学基金项目（61801496,61801497）；军委科技委基础加强计划领域基金项目（2019-JCJQ-JJ-221）