辐射源个体识别研究综述

辐射源个体识别作为一种电子侦察技术,在战场敌我识别、目标态势感知、无线网络安全、频谱资源管理等军用和民用领域均具有重要应用价值。通过对国内外辐射源个体识别领域的研究进行系统性梳理,介绍了基于传统机器学习、深度学习、迁移学习等3类辐射源个体识别方法并分析了其优缺点。传统基于深度学习的辐射源个体识别方法假设训练数据与测试数据是同分布的,但在真实测试场景中,由于辐射源个体的中心频率、发送速率、接收距离以及接收机等都可能发生变化,导致训练数据与测试数据分布往往不同。迁移学习作为一种解决数据不同分布的技术逐渐成为辐射源个体识别领域的主流研究方向,重点介绍了基于迁移学习的辐射源个体识别方法,讨论了所提出方法未来的研究方向与面临的挑战,并给出相应的解决方案,同时对辐射源个体识别的未来研究方向进行了展望。     

迁移学习及其在通信辐射源个体识别中的应用

通信辐射源个体识别作为通信侦察的一种技术手段,在现代战场上发挥着至关重要的作用.迁移学习不要求源域与目标域数据同分布,大大减轻了传统模型对数据量和数据分布的敏感性,可以一定程度上解决通信辐射源数据集不全面、不充足等问题.概括了迁移学习的基本理论,分析了基于迁移学习的通信辐射源识别的可行性,阐述了近年来迁移学习以及基于迁...     

雷达辐射源个体识别综述

雷达辐射源个体识别通过提取个体特征来辨识雷达个体,是电子对抗领域的热点研究方向。近年来随着深度学习的飞速发展及其在各领域的成功应用,基于深度学习的雷达辐射源个体识别成为焦点。虽然研究多年,成果丰富,但目前尚缺少关于该方向全面、细致的综述。基于此,该文从雷达辐射源个体特征机理分析、基于手工特征的识别方法、基于深度学习的识别方法以及数据集构建4个方面着手,对雷达辐射源个体识别开展系统的综述工作,并对当前现状和未来方向进行总结与展望,旨在推动雷达辐射源个体识别理论和方法研究的新发展。     

基于深度学习的ADS-B辐射源个体识别

辐射源个体识别技术在电子对抗领域起着关键性作用.针对传统人工提取特征主要依赖于专家经验,文中提出了一种基于深度学习的ADS-B辐射源个体识别方法.该方法采用卷积神经网络结合center loss损失函数来训练和测试相位数据.并加入假冒飞机序列号,查看中心损失值来判断是否异常.实验表明,文中提出的方法识别精度能达到99％...     

基于深度学习的跨域辐射源个体识别综述

基于深度学习的辐射源个体识别已经成为识别和认证无线设备的主要研究方法之一。然而,基于传统深度学习的辐射源个体识别算法不能直接应用于跨域（跨信道条件、跨接收机、跨接收时间等）辐射源个体识别场景,因为一个域上的数据训练的模型用于另一个域上进行推理,其效果通常会变差。调研了现有基于对比学习、迁移学习、域适应等先进深度学习的跨域辐射源个体识别方法,整理和归纳了跨域辐射源个体识别相关的开源数据集。分析了跨域辐射源个体识别存在的难题与挑战,展望了跨域辐射源个体识别发展趋势及未来研究方向,以助力深度学习在复杂电磁环境下辐射源个体识别的实用化。     

基于深度学习的通信辐射源识别研究综述

为改进完善通信辐射源识别课题,引入深度学习作为分类方法。为探究深度学习对辐射源识别的作用,介绍了与通信辐射源识别相关的深度学习理论,从辐射源个体识别与调制方式识别两个方面,对基于深度学习的通信辐射源识别技术的研究现状进行综述,并详细分析了基于深度学习的通信辐射源识别技术的主要难点问题,同时讨论了发展方向和解决方案。     

基于迁移学习的辐射源个体识别分类方法

在辐射源个体识别应用中,受时间、空间、应用环境等因素的影响,辐射源个体特征会不断变化,不同时期得到的数据很难服从相同分布,而传统机器学习则要求数据服从相同分布。为了解决这一问题,提出一种基于迁移学习的辐射源个体识别分类方法。该方法通过聚类分析和重采样从数据集中选择新训练样本用于目标域学习,使用模糊近邻密度聚类提高对参数选择的鲁棒性及不同分布数据的适应性,并使用高斯核函数度量数据间的相似性以提高新训练样本选择的可靠性。实验结果表明,该方法能更有效、稳定地提高学习性能。     

辐射源个体特征识别技术及在短波电台识别上的应用

辐射源个体特征识别是频谱管理、通信对抗领域的一项重要技术,文章将通信辐射源个体特征识别作为一个模式识别问题处理,分析了常用于识别的瞬态信号特征和稳态信号特征的特点,以稳态信号的杂散输出特征为基础,设计了一种工程中可用的SVM分类器算法完成短波电台个体识别。     

基于改进TSVM的通信辐射源个体识别

为了解决通信辐射源个体中标签获取难问题,引入半监督机器学习理论,提出了一种基于预测置信度进行迭代的半监督学习算法(Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-TSVM)。该方法在TSVM算法的基础上,充分利用无标签样本,根据预测结果置信度进行迭代,能够大幅度减少分类器的运算量。计算机仿真表明,在有标签样本数目占总样本2%的情况下,CP-TSVM较TSVM算法在保证识别准确率的同时,模型训练时间缩短近60 s。     

基于模糊函数的雷达辐射源个体识别

雷达辐射源个体识别是现代电子情报和电子支援系统的重要研究内容。本文在辐射源个体特征分析的基础上,提出了一种基于模糊函数的辐射源个体识别算法。针对模糊函数的冗余性,分别利用模糊函数切片和局部模糊函数切片表征雷达的细微差异与个体特征,并推导了局部模糊函数切片的快速算法。仿真实验验证了提出算法对于辐射源个体特征提取和识别的可行性和有效性。     

基于回归分析理论的辐射源个体识别技术

针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题,该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段,进行研究分析,采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响,对变量进行相关性分析,并对其中显著相关的变量进行回归拟合,得到其相关回归函数。然后利用硬件与特征的相关性,改进传统支持向量机(SVM)分类器,构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证,结果表明,同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。     

应用动态时间规整算法实现雷达辐射源个体识别

雷达辐射源个体识别,即识别同型号同批次的雷达辐射源,是当今电子战研究的重点课题。雷达辐射源的个体差异是由其内部各种元器件的细微差异产生的,瞬时幅度和瞬时频率能够很好地体现雷达辐射源的个体差异。基于这一事实,采用动态时间规整算法实现了雷达辐射源的距离测度。利用数据融合技术,综合考虑了瞬时幅度和瞬时频率的动态时间规整测度值,实现了雷达辐射源个体识别中的目标匹配。最后,通过仿真验证了动态时间规整算法在雷达辐射源个体识别课题中的可行性。      

基于自激振荡器模型的辐射源个体识别方法

辐射源指纹识别也称为特定辐射源识别(SEI),是指通过对接收信号进行特征测量,确定产生信号的辐射源个体,是电子战、电磁环境监视等领域的关键技术之一.本文针对自激振荡类型的发射机,从射频振荡器的等效电路模型出发,提出了一种模型化的辐射源个体识别方法.仿真结果表明,该模型化方法扩展了传统的特征定义,集成信号瞬时频率、瞬时带宽的相关信息,具有良好的分类能力.在调制电压发生较大变化时,该方法能弥补传统上升沿、下降沿时延测量方法的不足.     

基于持续学习和联合特征提取的特定辐射源识别

针对特定辐射源识别(SEI)识别准确率较低和单次样本学习花销较大的问题,该文提出一种基于增量式学习的SEI方法,设计多个连续增量深度极限学习机(CIDELM)。从截获信号中分别提取变分模态分解(VMD)后的Hilbert谱投影和高阶谱,降维后作为射频指纹(RFF)用于分类;在极限学习机(ELM)中采用稀疏自编码结构对多个隐含层进行无监督训练,并利用参数搜索策略确定最佳隐含层数和隐节点个数,实现对多批次标记样本的连续在线匹配。实验结果表明,该方法对不同调制方式、载波频率和收发距离均能表现出良好兼容性,能够实现对于多个辐射源个体的有效识别。     

针对敌我识别系统的个体识别研究

对敌我识别系统的研究大部分集中在对其信号的检测和解调上，对辐射源个体识别技术也是近年来的研究热点，但很少有专门针对敌我识别系统的个体识别研究。本文通过分析敌我识别信号，发现其区别于普通雷达信号的主要两个特点：一是信号载频固定不变；二是信号以码字为单位出现，且脉冲时序格式固定。针对敌我识别信号的这两个特点，本文设计的个体识别方法重点包括：一、瞬时频率可作为有效的个体特征；二、可综合同一串码字里多个脉冲的个体识别结果，提高目标个体识别正确率。试验结果显示，相较于只用单脉冲的方法，本文算法的个体识别正确率更高。     

雷达信号的扩散特征及其在特定辐射源识别中的应用

本文利用Yoyos直观系统模型与随机微分几何,分析特定辐射源识别问题,为该问题建立了一种有意义的几何学描述.通过上述模型及分析,指出辐射源个体所辐射信号的瞬时参数中包含具有内蕴性质的指纹特征信息,且由产生信号的系统低维状态流形决定.扩散映射是一种新兴的流形学习算法,已有研究与实践证明该算法可以在提取高维数据蕴含的低维流形的同时较完整地保持采样点之间的几何性质.本文利用扩散映射的这一良好特性,结合所建立的直观模型,提取信号瞬时参数的扩散特征,用于特定辐射源识别,取得了较好的效果.最后通过外场实验,验证了上述模型与特征的正确性和有效性.     

基于矢量图的特定辐射源识别方法

发射机的指纹特征具有复杂性,现有的认识水平制约了特定辐射源识别(SEI)的性能。为此,该文提出一种基于矢量图的SEI方法,应用深度学习技术实现了多种复杂特征的联合提取。该文首先分析了多种发射机畸变在矢量图上的视觉表现;在此基础上,以矢量图灰度图像作为信号表示,构建深度残差网络提取图像中的视觉特征。该方法克服了现有认知的局限,兼具高信息完整性和低计算复杂度。实验结果表明,与现有算法相比,该方法能够显著改善SEI的性能,识别增益约为30%。

     

雷达辐射源个体识别设备的框架研究

从工程应用出发，运用雷达信号指纹特征分析技术，对雷达辐射源个体识别设备的设计与实现进行研究，提出一种可以实现雷达辐射源个体识别的设备框架模型。