113 / 2021-09-10 23:41:03

基于残差原型网络的辐射源个体识别

残差原型网络；原型学习；个体识别；差分星座轨迹图

现有基于深度学习的通信辐射源个体识别算法中，着重关注各类辐射源个体的类间距离，忽视了类内紧密性。针对此问题，结合残差网络和原型学习基本思想，提出残差原型网络，对输入信号的差分星座轨迹图进行识别。在基于距离的交叉熵损失函数基础上加入了原型损失作为正则化，进一步防止深度网络的过拟合和退化，在提高信号类内紧密度的同时增大了内间距离。通过对5种ZigBee设备的实验，结果表明本文提出算法在相同信噪比条件下相较于其他经典算法具有更高的准确性，在信噪比高于8dB时，可达到98%以上的准确率。