嵌入注意力机制的通信辐射源个体识别方法

复杂电磁环境中,针对低信噪比条件下现有神经网络识别算法对于通信电台识别准确率不高的问题,提出一种结合双层注意力机制和残差网络的通信辐射源个体识别方法。首先,以空间注意模块和通道注意模块构成注意力机制。其次,在一维残差网络中嵌入双层注意力机制,提高对关键特征的学习能力。最后,在实际数据集上验证算法的有效性。实验证明,相比于残差神经网络算法,所提方法既能保持模型较好的稳定性又在数据集上有明显的提升效果。

一种基于复数残差网络的通信辐射源个体识别方法

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。