题名 一种基于复数残差网络的通信辐射源个体识别方法
被引量：6
1
作者
曲凌志 杨俊安 刘辉 黄科举
机构
国防科技大学电子对抗学院
出处
《信号处理》
CSCD
北大核心
2021年第1期95-103,共9页
基金
通信辐射源个体识别关键技术研究(1908085MF202) 基于半监督行为学习和迁移学习的通信辐射源个体识别(ZK18-03-14)。
文摘
在复杂电磁环境的通信辐射源个体识别任务中,针对传统特征提取识别方法分类效果不佳和低信噪比环境下基于实数神经网络的方法识别准确率不高的问题,本文提出了一种基于复数残差网络的通信辐射源个体识别方法。将实际采集的I路和Q路电台数据组合成复数作为输入,根据电台数据集特点选取复数初始化方法、复数激活函数,以改进的复数残差块为基础构建复数残差网络,进一步调整和优化网络结构并运用到辐射源个体识别任务中。通过实验证明,相比于实数残差网络和人工特征提取方法,复数残差网络的性能更优,并且在低信噪比的条件下,基于复数残差网络的方法鲁棒性更强。
关键词
复数 残差 网络 辐射源个体识别 指纹特征
Keywords
complex-valued residual network individual identification of radiation sources the fingerprint characteristics
分类号
TN911.7
[电子电信—通信与信息系统]
题名 基于复数对比预测编码的辐射源个体识别
被引量：1
2
作者
王建社 蒋俊 方四安 柳林
机构
合肥讯飞数码科技有限公司人工智能研究院
出处
《工业控制计算机》
2022年第6期17-19,共3页
文摘
将无监督表征学习领域中对比预测编码技术用于辐射源个体特征提取,并结合复数网络,设计了一种基于复数对比预测编码的辐射源个体识别方法。对由实部和虚部组合而成的复数电磁信号,首先采用复数对比预测编码技术提取辐射源个体“指纹”特征,然后采用复数残差网络进行分类识别。实验结果表明,通过联合复数对比预测编码和复数残差网络的方法,极大地提高了辐射源个体识别正确率和鲁棒性,相较基于实数的神经网络算法和传统识别算法,识别正确率绝对提升了11.38%。
关键词
辐射源个体识别 复数 对比预测编码复数 残差 网络 无监督学习
Keywords
specific emitter identification complex contrastive predictive coding complex residual network unsupervised learning
分类号
TN95
[电子电信—信号与信息处理]
题名 结合卷积神经网络的DFT-Like信道估计算法
3
作者
谢思琪 赵宏宇
机构
西南交通大学
出处
《通信技术》
2022年第5期547-553,共7页
基金
国家自然科学基金项目(61772435)。
文摘
针对快速移动环境中存在频率选择性衰落和导频开销急剧增加造成性能受限的问题,提出了一种基于复数神经网络的信道估计算法。在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中,提出残差网络直接处理复数信号,估计出信道的频域响应,并且设计了类似离散傅里叶变换(Discrete Fourier Transform,DFT)的卷积神经网络,通过训练学习转换波形,实现信道估计与均衡。仿真结果表明,所提方法的性能优于理想线性最小均方误差方法,加入循环前缀后性能接近理想信道估计方法,能够缓解码间干扰。
关键词
神经网络 信道估计 正交频分复用 复数 残差 网络
Keywords
neural network channel estimation OFDM(Orthogonal Frequency Division Multiplexing) complex residual network
分类号
TN911.72
[电子电信—通信与信息系统]
题名 基于复数卷积残差网络的雷达杂波幅度统计模型分类
被引量：2
4
作者
张良 杨威 李玮杰 杨小琪 刘永祥
机构
国防科学技术大学电子科学学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2021年第11期3086-3097,共12页
基金
国家自然科学基金(61871384,61921001)资助课题。
文摘
雷达杂波幅度统计模型分类是进行杂波背景下检测目标的重要步骤。雷达杂波原始数据通常是复数数据,但现有杂波幅度统计模型分类研究都是在实数数据上完成的。复数数据同时包含幅度和相位信息,更丰富的信息量有助于雷达杂波幅度统计模型分类。为此,引入复数神经网络,利用仿真杂波高分辨距离像(high resolution range profile,HRRP)复数数据,对雷达杂波幅度统计模型分类问题进行研究,完成了以下工作:一是为构建复数最大池化层,定义并改进了复数最大池化算法,通过复数卷积神经网络(complex-valued convolutional neural networks,CV-CNN)对杂波幅度统计模型的分类实验,对比了两种复数最大池化算法和复数平均池化算法的分类效果,实验结果表明复数最大池化算法的分类效果更好,分类准确率为97.29%;二是为进一步提高分类准确率,构建了复数卷积残差网络(complex-valued convolution-ResNet,CV-CRN),通过实验对比分析了CV-CRN的性能,实验结果表明,CV-CRN的分类性能优于CV-CNN,分类准确率达到98.84%,并具有较好的鲁棒性。
关键词
杂波分类 高分辨距离像 复数 卷积残差 网络
Keywords
clutter classification high resolution range profile(HRRP) complex-valued convolutional-resNet(CV-CRN)
分类号
TN957.51
[电子电信—信号与信息处理]
