多网络联合识别辐射源个体的优化方法

来源：信号处理杂志 2020年第4期北京时间：

作者：刘英辉, 许华, 史蕴豪

摘要：针对辐射源指纹特征间差异细微且受噪声干扰容易导致识别率下降的问题，提出了一种基于stacking方法集成多个异构网络识别结果的辐射源个体识别优化算法。利用不同网络结构在低信噪比条件下提取指纹特征的差异性，多个异构网络集成各自的预测结果能够提升对指纹特征的提取能力。同时为避免分类准确率提高造成模型规模过大，本文使用网络规模小且结构差异较大的EfficientNets系列异构网络作为基础网络。实验首先在高斯信道条件下验证了基础网络能够有效识别功率放大器杂散噪声,之后利用stacking等优化算法改进模型整体的性能。结果表明，本方法能够进一步利用信号指纹特征之间差异，与其他方法相比对辐射源个体有更高的识别率。

关键词：个体识别, 循环自相关, 异构卷积网络, stacking方法