《電子技術應用》
您所在的位置:首頁 > 通信與網絡 > 設計應用 > 基于深度自適應小波網絡的通信輻射源個體識別
基于深度自適應小波網絡的通信輻射源個體識別
網絡安全與數據治理 2023年第5期
劉高輝,于文濤
(西安理工大學自動化與信息工程學院,陜西西安710048)
摘要: 針對現有的通信輻射源個體識別方法中人工提取特征復雜以及深度學習網絡的識別機制缺乏清晰解釋的問題,提出了一種基于深度自適應小波網絡(Deep Adaptive Wavelet Network,DAWN)的通信輻射源個體識別方法。首先分析了選擇互調干擾作為輻射源間個體特征的原因;接著應用了可實現提升小波變換的卷積神經網絡結構去提取特征,并在其基礎上設計出可以同時完成特征提取和識別的DAWN;最后,選擇Oracle數據集驗證方法的可行性。實驗結果表明:利用DAWN對5個通信輻射源個體識別的準確率為95.5%,并且方法具有良好的抗噪性。
中圖分類號:TN911.7
文獻標識碼:A
DOI:10.19358/j.issn.2097-1788.2023.05.012
引用格式:劉高輝,于文濤.基于深度自適應小波網絡的通信輻射源個體識別[J].網絡安全與數據治理,2023,42(5):71-77.
Individual recognition of communication radiation source based on depth adaptive wavelet network
Liu Gaohui,Yu Wentao
(Automation and Information Academy,Xi'an University of Technology,Xian 710048,China)
Abstract: Aiming at the problem of the complex artificial features extracted in the existing individual recognition methods of communication radiation sources and the lack of clear interpretation of the recognition mechanism of deep learning networks, an individual recognition method of communication radiation sources based on Deep Adaptive Wavelet Network (DAWN) is proposed. Firstly, the intermodulation interference is analyzed as the reason for individual characteristics between radiation sources. Then, the convolutional neural network structure that can realize lifting wavelet transform is applied to extract features, based on which DAWN can complete feature extraction and recognition at the same time. Finally, Oracle data sets are selected to verify the feasibility of the method. The experimental results show that the accuracy of identification of 5 communication radiation sources by DAWN is 955%, and the method has good antinoise performance.
Key words : specific emitter identification;lifting wavelet transform;depth adaptive wavelet network

0     引言

隨著物聯網和通信技術的發展,無線設備呈現出指數級的增長態勢,未來海量的敏感機密數據將在無線設備間傳輸,所以對通信輻射源進行個體識別對保證無線通信網絡中的信息安全有著重要的實際意義。



本文詳細內容請下載:http://www.rjjo.cn/resource/share/2000005337




作者信息:

劉高輝,于文濤

(西安理工大學自動化與信息工程學院,陜西西安710048)


微信圖片_20210517164139.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 国产一区精品在线观看 | 久久综合99re久久爱 | 性色欧美xo影院 | 国产成人精品.一二区 | 成年网站在线在免费播放 | 精品国产免费人成高清 | 全部精品孕妇色视频在线 | 九九视频在线观看视频 | 香蕉依依精品视频在线播放 | 国产亚洲精品高清在线 | 免费大片黄手机在线观看 | 嫩草影院ncyy在线观看 | 成人黄激情免费视频 | 欧美成人全部费免网站 | 欧美在线成人午夜影视 | 99免费在线视频 | 免费人成在观看 | japanesehd国产在线无毒不卡 | 自拍 欧美 | 在线播放波多野结衣 | 久久久久久a亚洲欧洲aⅴ | 国产午夜精品久久久久免费视 | 欧美在线播放成人a | 欧美成人久久一级c片免费 欧美成人看片黄a免费 | 久久久久国产精品免费网站 | 亚洲系列中文字幕一区二区 | 国产最新自拍 | 欧美人在线一区二区三区 | 加勒比色久综合在线 | 俄罗斯黄色一级片 | 久草视频在线资源站 | 欧美一级俄罗斯黄毛片 | 夜夜爱夜夜爽夜夜做夜夜欢 | 国产三级午夜理伦三级 | 国产亚洲精品福利片 | 免费a级毛片大学生免费观看 | 亚洲国产高清在线 | 国产ssss在线观看极品 | 国产a级三级三级三级中国 国产a级特黄的片子视频 | 日日撸夜夜操 | 4438全国最大成人网视频 |