CN114980122B 一种小样本射频指纹智能识别系统与方法 （南京航空航天大学）_第1页
CN114980122B 一种小样本射频指纹智能识别系统与方法 （南京航空航天大学）_第2页
CN114980122B 一种小样本射频指纹智能识别系统与方法 （南京航空航天大学）_第3页
CN114980122B 一种小样本射频指纹智能识别系统与方法 （南京航空航天大学）_第4页
CN114980122B 一种小样本射频指纹智能识别系统与方法 （南京航空航天大学）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种小样本射频指纹智能识过孪生网络极大的提升了在样本数量很少时识依赖；孪生网络综合了不同层次之间的特征信2所述的数据训练模块，用于对已分类好的数据进行射频指纹分类网所述的小样本学习模块，基于上述已训练好的射频指纹分类网络、射步骤三，对步骤二得到的加入噪声的射频信号进行预处理步骤六，重构步骤五得到的射频指纹分类预训练模型，利用步步骤七，构建孪生网络训练模型，所述的孪生网3其中N表示射频接收信号采样点的个数，设所需信号的信噪比为得到步骤一和步骤二处理的数据后，依据数据采样点数判断分割点基本数据集和新类数据集的数据和类别互不相交，基本数据集构建的射频指纹分类网络是对现有残差神经网络进行所述的射频指纹分类预训练模型的不同层输出的特征代表了不同层面4射频指纹特征映射网络由训练孪生网络的方法进行训练，将射频所述的少量样本为新类数据集中的支持集数据，根据不同的任务将少5表的论文“Micro-UAVDetectionandClassificationfromRFFingerprintsUsingMachineLearningTechniques”(2019IEEEAerospaceConference,pp.1-13,2019)通过困难。S.Gopalakrishnan等人在其发表的论文“RobustWirelessFingerprintingviaComplex-ValuedNeuralNetworks”(2019IEEEGlobalCommunicationsConferenceofUAVsUsingConvolutionalNeuralNetwor2020.)提出一种面向低信噪比的无人机信号识别算法,其在-10dB信噪比下可以达到92%6[0014]本发明还提供了上述小样本射频指纹智能识别系统实现的小样本射频指纹智能7k种射频发射信号的第i个采样kk和Qk分别表示信号的同相和正交分量。8个核大小为3×3，步长分别为2和1的卷积层进行连接，步长为2的卷积层减小了数据的尺少量样本输入步骤六和步骤七中得到的最优模型中，最终得到样本各个维度的语义信息，9[0057]本发明专利中采用七种无人机射频信号进行训练和测试，无人机的状态有打开、批量归一化层后面接入线性修正单元作为激活函数为网个三角基本单元分别输入两个维度不同的高层特进行步骤(7)中的训练射频指纹特征映射网络。最终保存的射频指纹特征映射网络为在测数据集dronedetectdataset:aradiofrequencydatasetofunmannedaerial[0092]附图5是采用本发明和现有技术在无干扰数据集下面临不同任务时的分类准确率[0094]附图7是采用本发明在不同信噪比下的分类准确率对比图。横坐标表示信号的信确率曲线，以正方形标示的折线表示在5分类1样本任务下采用本发明方法的准确率曲线，[0096]以上仅是本发明的优选实施方式，本发明的保护范围并

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论