MCL-YOLO：一种细粒度特定辐射源识别方法

作者：陈海永; 赵宇琦; 刘坤; 宿绍莹

来源：信号处理, 2022, 1-10.

• 特定辐射源识别
• 细粒度
• 目标检测
• YOLOv5
• 数字频谱余晖图

特定辐射源识别（Specific Emitter Identification， SEI）广泛应用于电子对抗、频谱管控、无线网络安全等军民领域。针对传统SEI方法依赖先验知识、普适性差、细粒度任务难以精细识别的问题，首先，利用接收机组建采集系统，采集Wi-Fi辐射源信号的数字频谱余晖图数据，建立国内首个特定辐射源识别数据集；其次，提出关注目标局部细微特征的Mutual Channel Loss-YOLO（MCL-YOLO）网络模型，充分挖掘数字频谱余晖图三维信息，高度聚焦子类间微小差异，实现细粒度特定辐射源识别；最后，在Wi-Fi辐射源个体数据集（WFED）上进行对比实验验证。实验结果表明，MCL-YOLO在WFED上精确率（Precision， P）、召回率（Recall， R）、F1测度（F1-Score， F1）和均值平均精度（mean Average Precision， mAP）比YOLOv5s分别提高2.9%、2.5%、2.7%、1.1%。充分证明其能聚焦相似特征间的细微差异，提高模型在细粒度SEI任务中的有效性。

• 单位
  中国人民解放军国防科技大学; 河北工业大学