改进DenseNet在电台建链行为识别时的可视化研究

来源：系统工程与电子技术杂志2021年第5期北京时间：

作者：吴子龙, 陈红, 雷迎科

单位：国防科技大学电子对抗学院, 安徽 合肥 230037

摘要：在未知通信协议标准条件下, 改进DenseNet可以识别短波通信电台不同的自动建链行为, 这对侦察非协作方电台的通联意图有着重要作用。但是网络模型识别的可靠性需要做进一步的探究。因此, 本文通过网络内部结构的可视化来推断网络模型是否可以有效地提取建链行为信号的深层次特征。由于卷积层的特征维度较大, 不利于观察建链行为信号的深层次特征, 所以对网络内部全连接层进行了可视化分析。实验结果表明, 网络模型可以有效提取同一类别行为信号深层次的相似特征以及不同类别行为信号深层次的差异特征, 并通过热力图进一步提高了实验结果的可信度。

关键词：可视化,行为识别,热力图,DenseNet,自动建链行为,短波电台

基金资助：国防科技重点实验室基金(6142106180402)