科研之友
微信
新浪微博
Facebook
分享链接
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方法的辐射源个体识别优化算法。该算法集成了多个放缩程度各异的网络的识别结果,能利用不同网络结构在低信噪比条件下提取特征的差异性,从而提升算法整体的特征提取能力。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放缩差异较大的EfficientNets系列网络作为基础网络。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提取到的特征之间差异,与其他方法相比对辐射源个体有更高的识别率。
-
单位空军工程大学信息与导航学院
