基于Mamba的多域特征融合无人机射频指纹识别方法

来源：信号处理杂志 2026年第3期北京时间：

作者：高大伟, 聂广源, 悦亚星, 陈毓锋, 王尹圣, 郭庆华, 廖桂生

摘要：射频指纹（Radio Frequency Fingerprint， RFF）识别是目标识别的一项关键技术，能够在无需解码或解密的情况下，仅依赖信号的物理层特征实现对无人机个体的精确识别。由于无人机射频前端在制造过程中存在的细微差异，不同个体在硬件非线性特性、频率响应及相位噪声等方面均具有独特性，从而形成了可用于区分个体的固有射频指纹。然而，传统的RFF识别方法通常依赖单一特征表示，在抗干扰性与动态特征建模能力方面存在明显不足。为此，本文提出了一种高效多域特征融合方法。该方法深度融合了信号的同相/正交特征、双谱特征以及短时傅里叶谱特征，以实现射频指纹的增强表征。所设计的融合架构在显著提升识别精度的同时，也有效增强了模型的泛化能力。针对多域特征融合带来的计算复杂度和实时性瓶颈，本文进一步构建了基于Mamba与Vision-Mamba的高效融合框架。该框架充分发挥Mamba模型在长序列建模中的线性计算复杂度优势，并结合硬件感知的算法优化策略，在保持高识别精度的同时显著降低了计算开销。此外，针对特征融合过程中冗余与互补性难以平衡的问题，本文引入了基于交叉注意力机制的自适应特征交互模块。该模块能够动态建模多源特征间的依赖关系，实现融合权重的自适应分配，从而有效抑制由环境干扰引起的特征退化现象。实验结果表明，所提出的方法在保持低计算复杂度与快速推理速度的同时，识别准确率达到97.76%，充分验证了该识别方法的有效性与优越性。

关键词：无人机, Mamba, 特征融合, 射频指纹, 交叉注意力