基于持续学习和联合特征提取的特定辐射源识别

来源：电子与信息学报杂志2023年第1期北京时间：

作者：张立民, 谭凯文, 闫文君, 张婷婷, 汤淼

单位：海军航空大学信息融合研究所 烟台 264001

摘要：针对特定辐射源识别(SEI)识别准确率较低和单次样本学习花销较大的问题，该文提出一种基于增量式学习的SEI方法，设计多个连续增量深度极限学习机(CIDELM)。从截获信号中分别提取变分模态分解(VMD)后的Hilbert谱投影和高阶谱，降维后作为射频指纹(RFF)用于分类；在极限学习机(ELM)中采用稀疏自编码结构对多个隐含层进行无监督训练，并利用参数搜索策略确定最佳隐含层数和隐节点个数，实现对多批次标记样本的连续在线匹配。实验结果表明，该方法对不同调制方式、载波频率和收发距离均能表现出良好兼容性，能够实现对于多个辐射源个体的有效识别。

关键词：特定辐射源识别, 增量学习, 变分模态分解, 高阶谱, 深度极限学习机

基金资助：国家自然科学基金(91538201)，泰山学者工程专项经费基金(ts201511020)