公共文化服务平台

搜索到233篇“ 特定辐射源识别“的相关文章

基于深度学习的特定辐射源识别方法研究综述: 2025年; 近年来,深度学习在特定辐射源识别中获得了远超传统方法的识别准确度,在国防和民用信息安全领域中得到了广泛应用。首先阐述了特定辐射源的识别原理,根据是否需要对信号进行特征提取总结了2种基于深度学习的特定辐射源识别方案,并举例介绍了这2种方案采用的特征提取方法和神经网络架构。然后讨论了特定辐射源识别场景中面临的问题并归纳了相应的深度学习方法。最后讨论了目前特定辐射源识别课题中存在的一些问题和发展方向。; 刘馥源郑瑾张小林刘瑞丽; 关键词：特定辐射源识别

面向特定辐射源识别的强关联师生模型: 2025年; 针对特定辐射源识别网络模型复杂、高质量数据不足问题,提出了一种面向特定辐射源识别的强关联师生模型,旨在实现快速精准识别的同时压缩网络模型、节约计算资源,以实现平衡识别准确率和识别效率。首先对数据集进行重采样构建K折交叉验证数据集以最大程度上提供数据利用率,防止过拟合;然后,依据分支结构在训练过程与预测过程中的作用程度不同改进基于ResNet网络的识别网络模型,引入分组卷积的思想适当添加网络的多维特征提取能力,利用结构解耦重新参数化的方式去除分支结构,简化预测网络的卷积核构成;最后,利用原始网络和简化网络构建基于知识蒸馏的强关联师生模型架构,实现了在特定辐射源保证快速精准识别的同时网络模型的轻量化。; 王艺卉张志亮于轩懿徐芹郭团奇; 关键词：特定辐射源识别

基于深度复数脉冲神经网络的特定辐射源识别: 2025年; 特定辐射源识别在民用频谱管理中起着重要作用。传统的深度神经网络方法在辐射源识别方面面临诸多挑战,包括训练时间长、能耗高以及计算稀疏性低。针对这些问题,设计了一种基于深度复数脉冲神经网络模型,该模型集成了脉冲神经层,并利用复数数据的固有特性增强信号表达能力,显著优化了计算效率并降低了硬件资源需求。测试结果表明,该模型的识别准确率达到了96%,单条数据的平均推理时间为0.19 ms,在模型参数规模、推理速度和推理数据能量消耗上均优于传统神经网络模型。; 张乃煜张雅彬查浩然; 关键词：特定辐射源识别脉冲神经网络

基于数字频谱余晖图的特定辐射源识别: 2024年; 在电子战、无线网络安全等军事和民用领域中,特定辐射源识别(SEI)具有极高的应用价值。传统方法以人工提取特征为主,依赖先验知识泛化性差;深度学习方法多以含有二维信息的图像为输入,易遗漏关键信息。针对以上问题,提出了以数字频谱余晖图作为深度学习模型输入的解决手段,从而实现了SEI任务。首先,搭建辐射源信号探测及数据采集系统,获取Wi-Fi辐射源信号的数字频谱余晖图,建立首个基于数字频谱余晖图的SEI数据集;其次,利用该图包含信息更丰富的特点,将信号识别问题转化为目标检测问题;最后,在Wi-Fi辐射源识别数据集(WFEID)上进行了实验验证。实验结果表明,YOLOv5s在WFEID上P、R、F1和mAP等指标均能达到87.5%以上,从而证明了以数字频谱余晖图作为深度学习模型的输入在SEI任务中是有效的。; 陈海永赵宇琦刘坤宿绍莹; 关键词：特定辐射源识别目标检测

基于自监督预训练的小样本特定辐射源识别: 特定辐射源识别(Specific Emitter Identification,SEI)技术是物联网(Internet of Things,Io T)安全、雷达/通信侦察等领域的重要技术之一。基于深度学习的SEI技术能够...; 韦亮; 关键词：特定辐射源识别小样本

一种基于双重隐式正则化的有限样本特定辐射源识别方法: 本发明公开了基于双重隐式正则化的有限样本特定辐射源识别方法，包括使用频谱分析仪采集PA数据，从飞行器中获取ADS‑B数据，将两个数据集按照比例划分为训练集、验证集和测试集数据；训练样本首先进行数据和标签的双重隐式正则化；...; 王禹

MCL-YOLO:一种细粒度特定辐射源识别方法: 2023年; 特定辐射源识别(Specific Emitter Identification, SEI)广泛应用于电子对抗、频谱管控、无线网络安全等军民领域。针对传统SEI方法依赖先验知识、普适性差、细粒度任务难以精细识别的问题,首先,利用接收机组建采集系统,采集Wi-Fi辐射源信号的数字频谱余晖图数据,建立国内首个特定辐射源识别数据集;其次,提出关注目标局部细微特征的Mutual Channel Loss-YOLO(MCL-YOLO)网络模型,充分挖掘数字频谱余晖图三维信息,高度聚焦子类间微小差异,实现细粒度特定辐射源识别;最后,在Wi-Fi辐射源个体数据集(WFED)上进行对比实验验证。实验结果表明,MCL-YOLO在WFED上精确率(Precision, P)、召回率(Recall, R)、F1测度(F1-Score, F1)和均值平均精度(mean Average Precision, mAP)比YOLOv5s分别提高2.9%、2.5%、2.7%、1.1%。充分证明其能聚焦相似特征间的细微差异,提高模型在细粒度SEI任务中的有效性。; 陈海永赵宇琦刘坤宿绍莹; 关键词：特定辐射源识别细粒度目标检测

基于多域信号特征知识图谱的特定辐射源识别技术: 现有的特定辐射源个体识别方法主要基于深度学习实现,针对深度学习模型缺乏知识指导的问题,本文提出了一种知识辅助的辐射源识别方法.首先提取辐射源信号的多域特征,包括:基本参数特征、基本变换特征、分解重构信息和通信信号领域特征...; 孙露薛睿林云; 关键词：知识图谱特定辐射源识别

基于信号特征知识图谱和特征融合的特定辐射源识别技术被引量：2: 2023年; SEI可以用于识别各种类型的无线电发射源,包括无线电通信设备、雷达系统、无线电干扰源等。现有的SEI方法往往通过深度学习来实现,通常SEI要求分类模型具有很高的准确性和鲁棒性。针对现今辐射源信号可视化管理不足和信号识别准确率低的问题,提出了一种信号特征KG和特征融合的SEI方法。第一,该方法创新性地建立了信号特征数据库,且利用KG对信号特征实现可视化表征;第二,基于构建的信号特征KG进行特征融合,有效提升了特定辐射源分类识别的准确率。仿真结果表明,所提出的基于KG和特征融合的SEI方法可以更好地对辐射源信号进行可视化管理,且提升了辐射源识别性能。; 李英凯王淑菲张逸彬桂冠; 关键词：特定辐射源识别知识图谱信号特征

基于网络认知的特定辐射源识别方法研究: 特定辐射源识别(Specific Emitter Identification,SEI)是指通过直接处理接收信号或者利用信号中与传输内容无关的外部特征以实现目标辐射源个体识别的技术,广泛应用于电子对抗领域。目前辐射源识别...; 马鹏龙; 关键词：特定辐射源识别时频分析特征提取卷积神经网络网络认知

相关作者