辐射源个体识别研究综述 |
| |
引用本文: | 乔平娟,谢钧,李林,韩昌芝,张涛涛.辐射源个体识别研究综述[J].信息技术与信息化,2023(12):156-164. |
| |
作者姓名: | 乔平娟 谢钧 李林 韩昌芝 张涛涛 |
| |
作者单位: | 陆军工程大学 |
| |
摘 要: | 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。
|
关 键 词: | 辐射源个体识别 迁移学习 领域自适应 深度学习 |
|
|