异步采集条件下的通信辐射源个体识别

来源：信号处理杂志 2026年第2期北京时间：

作者：黄宇, 张鑫, 田威, 涂建清, 陈新

摘要：针对非合作条件下数据异步采集造成的个体识别结果漂移问题，提出一种异步采集条件下的通信辐射源个体识别方法。首先，建立信号异步采集的测量模型，分析了多径信道干扰、目标相对运动、接收机个体差异等时频异步场景对测量信号的影响，分析推导出时延和频移是造成个体识别特征发散的主要因素；其次，为了降低时延和频移对信号细微特征的干扰，利用短时傅里叶变换（Short-Time Fourier Transform， STFT）将时延和频移转化为信号特征在时频平面上的坐标位置，并通过统一的时频分辨尺度提高信号特征的稳定性，推导分析了时频域特征测量误差，指出时延和频移会造成时频特征的位置抖动，间接影响特征测量精度；再次，为了降低时频特征位置抖动影响，提出利用精细化时频测量技术提取信号细微特征，给出了基于频域移频补全消除时频栅栏效应的算法；最后，利用信号的精细化时频特征图，将辐射源个体识别转化为基于深度学习细粒度图像识别问题，采用DenseNet201迁移学习网络和图像增强技术验证了算法的有效性。外场实验结果表明：针对同类型船舶自动识别系统（Automatic Identification System， AIS），在不同采集设备、采样参数和采样时空的异步采集条件下，对10个通信辐射源的Top-1个体识别准确率达到了85%以上。

关键词：辐射源个体识别, 短时傅里叶变换, 异步采集, 深度学习