[发明专利]基于深度残差网络的特定辐射源识别方法及装置在审
| 申请号： | 201811575557.2 | 申请日： | 2018-12-22 |
| 公开（公告）号： | CN109684995A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 潘一苇;杨司韩;彭华;李天昀;王文雅 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/38;G06N3/04;G06N3/08 |
| 代理公司： | 郑州大通专利商标代理有限公司 41111 | 代理人： | 周艳巧 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 辐射源 残差 灰度图像 射频指纹 网络提取 时频谱 通信信号处理 对接收信号 辐射源信号 表现形式 处理效率 仿真实验 分类识别 技术发展 时频分析 通信信号 信道条件 鲁棒性 自学习 通信系统 网络 图像 验证 转化 应用 学习 | ||
1.一种基于深度残差网络的特定辐射源识别方法，其特征在于，包含如下内容：
对接收信号进行时频分析，并将得到的Hilbert时频谱转化为灰度图像；
以灰度图像为输入，利用深度残差网络提取反映在图像中的射频指纹特征，获取辐射源的识别结果。
2.根据权利要求1所述的基于深度残差网络的特定辐射源识别方法，其特征在于，通过希尔伯特-黄变换对接收信号进行时频分析。
3.根据权利要求2所述的基于深度残差网络的特定辐射源识别方法，其特征在于，时频分析包含如下内容：
对接收信号进行经验模态分解，获取每层的本征模态函数及分解后的残余分量；
对本征模态函数逐一进行希尔伯特变换，得到每层本征模态函数的瞬时幅度和瞬时频率，获取接收信号的希尔伯特时频谱。
4.根据权利要求1或3所述的基于深度残差网络的特定辐射源识别方法，其特征在于，依据希尔伯特时频谱获取其矩阵，依据灰度图像量化位数，获取该矩阵对应的灰度图像。
5.根据权利要求1所述的基于深度残差网络的特定辐射源识别方法，其特征在于，深度残差网络模型采用已训练的网络模型结构，该已训练的网络模型结构通过利用样本数据对网络模型参数进行训练学习。
6.根据权利要求1所述的基于深度残差网络的特定辐射源识别方法，其特征在于，通过深度残差网络模型训练学习网络模型输入和输出期望的残差映射，实现对特定辐射源的分类识别。
7.根据权利要求1所述的基于深度残差网络的特定辐射源识别方法，其特征在于，深度残差网络模型结构采用M个残差单元，M为大于1的整数。
8.根据权利要求1所述的基于深度残差网络的特定辐射源识别方法，其特征在于，深度残差网络模型包含输入层、首卷积层、最大池化层、多个卷积层、平均池化层及输出层，其中，多个卷积层包含依次连接的8个卷积层，每个卷积层及首卷积层中的激活函数均采用ReLU激活函数，输出层采用Softmax函数。
9.一种基于深度残差网络的特定辐射源识别装置，其特征在于，包含：转化模块和识别模块，其中，
转化模块，用于对接收信号进行时频分析，并将得到的Hilbert时频谱转化为灰度图像；
识别模块，用于以灰度图像为输入，利用深度残差网络提取反映在图像中的射频指纹特征，获取辐射源的识别结果。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811575557.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：基于视觉的叉车避障方法及系统
- 下一篇：基于视频的实时车辆进出识别方法
