【摘 要】
：
通信辐射源个体识别技术指接收端通过接收辐射源信号,进行判定其属于某一发射机的技术,属于电子对抗与侦察领域下的一个重要研究课题。随着近年来基于深度学习的分类技术的发展,将深度学习算法运用于通信辐射源分类领域已成主流,但深度学习算法需大量训练数据用于网络提取类别特征,对于小样本条件下的通信辐射源个体识别效果较差。因此,本文研究了采用深度学习算法时,小样本条件下的通信辐射源个体识别技术,主要成果如下:1
论文部分内容阅读
通信辐射源个体识别技术指接收端通过接收辐射源信号,进行判定其属于某一发射机的技术,属于电子对抗与侦察领域下的一个重要研究课题。随着近年来基于深度学习的分类技术的发展,将深度学习算法运用于通信辐射源分类领域已成主流,但深度学习算法需大量训练数据用于网络提取类别特征,对于小样本条件下的通信辐射源个体识别效果较差。因此,本文研究了采用深度学习算法时,小样本条件下的通信辐射源个体识别技术,主要成果如下:1.实现了基于度量学习的原型网络与孪生网络方法,两者均通过对神经网络与损失函数的设计,使得相同类别的输入样本的特征向量之间的距离较小,不同类别的样本的特征向量间的距离较大,通过对距离的度量,实现小样本下的识别准确率提升,并进一步提出了改进的孪生网络方法,优化损失函数,使得其兼顾样本的距离与特征分类。2.实现了基于迁移学习的小样本通信辐射源识别方法,从神经网络的结构出发,采用预训练与微调的方式,使得神经网络浅层共享通信辐射源的特征分类,因此在微调阶段仅训练后层的网络参数,无需过多的样本参与训练。3.为解决样本不均衡通信辐射源个体识别问题,从数据的层面实现了基于数据合成的方法,采用SMOTE算法对小样本的数据进行样本量扩充,解决了各类别间样本量不一致的问题。4.为解决样本不均衡通信辐射源个体识别问题,从网络结构的层面实现了基于Focal Loss的方法,对损失函数引入了调制因子与平衡因子,提升神经网络对样本量少的类别中的样本与较难识别的样本的特征挖掘,并在此基础上对孪生网络进行权重优化,解决训练偏重样本量大的类别的问题。并进行实验对比,验证了算法的有效性。5.针对多任务的小样本通信辐射源个体识别问题,采用不遗忘增量学习算法,实现了对于旧的样本量多的任务与新的样本量少的任务,神经网络的识别效果均好,从而实现了使用同一神经网络,对新旧数据的分类效果的提升。以上工作均进行了实验的验证与分析,通过上述成果,可解决在小样本条件下,现有的深度学习算法存在的过拟合、无法提取足够的类别特征、识别效果差等问题,扩展了采用深度学习算法进行通信辐射源个体识别的应用场景。
其他文献
新闻文本分类是长文本分类的典型问题，因此提取词与词之间的关系特征就尤为重要.提出了基于双向Transformer编码表示的预训练模型（Bidirectional Encoder Representations from Transformers, BERT）和双向长短时记忆网络（Bi-directional Long Short-Term Memory, BiLSTM）以及注意力机制的对抗训练分类
分布式雷达系统,是当前一个十分重要的雷达研究方向,这种模式的雷达系统的工作方式是在地面大范围内布置多个雷达节点,并以软件为主体,在多个平台或系统上实现控制和数据处理。这种工作方式下的雷达系统具有高探测能力、高抗干扰能力、高抗截获能力和高实时性等多方面的优点。本文主要以分布式MIMO（Multiple Input Multiple Output）雷达为研究对象,对目标探测技术和相应的实时软件系统做了
随着现代数字通信系统的广泛应用,信道编码参数盲识别的重要性也日益凸显。信道编码参数的盲识别,是在对接收或截获的数据几乎没有任何先验信息的前提下,对接收或截获到的数据进行编码类型和编码参数的识别,从而为后续的信道译码以及进一步的信号与信息处理奠定基础。卷积码属于信道编码的一种,与线性分组码相比在相同码率下性能更加优异且应用广泛,在自适应智能通信、军事侦察和电子对抗等领域,卷积码参数的盲识别都发挥着至
处于互联网时代,网络视频内容日益增加,人们对其质量要求也越来越高。由于原始视频内容数据量相当大,现有的硬件存储设备与网络传输设备并不足以担当起网络视频存储与传输的重任。因此视频编码技术被提出用于压缩视频内容,从而减少网络视频的存储容量以及降低其传输占用的带宽。视频编码技术主要从视频信号的数据冗余和视觉冗余两方面进行压缩视频内容。为了更好的优化编码效率,视频编码技术使用有损压缩技术,以一定的客观失真
现代雷达所面临的干扰环境日益复杂,由类型多样、参数多变的有源干扰信号通过加性组合方式构成复合干扰难以识别和抑制,成为雷达的主要电磁威胁。传统的复合干扰识别方法基于人工分析和提取特征,识别率不高、操作困难且扩展性较差,只能识别特定复合干扰样式。针对这一问题,基于深度学习方法的深层表征能力对复合干扰进行识别成为新的解决途径,具有良好应用前景。本文针对复合干扰的分类识别问题,提出基于残差网络的多标签分类
无线电RSS指纹凭借其易获取、低成本等多种优势被广泛地应用于基于指纹的室内定位方法中。但是,信号采集设备的异构性带来的指纹差异可能会导致指纹误匹配,并最终影响定位性能。近年来,强化学习在解决如AlphaGo等复杂决策问题上表现出了强有力的竞争优势,并在室内定位领域中也得到了广泛的关注。但现有一些基于强化学习的室内定位方法没有充分利用环境中的观测和智能体自身的历史动态信息,并且忽略了多智能体系统中多
气液压技术近几十年发展十分迅猛,一方面以国产高端液压元件的突破,率先解决了“卡脖子”的问题;另一方面,随着智能制造业的蓬勃发展,气液压技术已迅速渗透到各个学科领域,进入了一个全新的发展阶段。自2001年12月中国正式加入WTO后,液压工业面临前所未有的机遇和挑战,摆脱对西方国家的依赖,实现液压元件的自给和自检刻不容缓。高压油缸作为关键液压元件,是目前研究的热点和突破点,高压油缸的检测设备高压油缸试
区域导航可以使飞机不再受地面导航台的限制,可以沿任意航路点自由飞行。但是航路的自由飞行对空中飞行间隔管理带来了挑战,因为空域交通网变得更加复杂,控制间隔要求更加精确。为了实现动态的间隔管理,需要考虑本机和目标飞机的位置、速度、风向和温度等条件的影响。飞行间隔管理（Flight Interval Management,FIM）的目标是帮助管制员合并和排序空中交通流,在动态的过程中保证足够的安全间隔。
移动无线传感器网络（Mobile Wireless Sensor Network,MWSN）通过引入移动节点,在一定程度上解决了静止传感器网络中的通信中断、监视盲区、能量空洞等问题,被广泛应用在空间监测中。传感器节点的移动路径是保证空间监测任务完成质量和效率的关键,但由于不同任务其需求与应用不同,很难找到一种通用的路径规划算法。区域搜索是空间监测的典型任务之一,是指节点经由移动路径对指定区域进行搜
合成孔径雷达（Synthetic Aperture Radar,SAR）是一种主动式传感器,由于其具有高分辨率、全天时、全天候、对地表有一定穿透能力以及可以实时处理信号等特点,使其在军事以及民用等领域有着巨大的发展潜力。但与其成像技术相比,SAR图像的解译技术急需发展。SAR图像解译是指从地物目标场景中提取出有用信息,将高维度的图像信息转化为低维度的情报信息。与光学图像相比,从SAR图像中直接可感