【技术实现步骤摘要】
本专利技术属于通信，具体涉及一种基于多尺度注意力特征融合的射频信号识别方法及系统。
技术介绍
1、随着经济技术的发展和人们生活水平的提高，无线设备已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。因此，保障无线设备和无线通信的安全性，就成为了人们关注的重点。
2、无线设备具有开放性的特性，因此无线信号经常被用作大规模恶意攻击的介质。物理层安全性是无线传输安全中最基本的部分。射频指纹是发射设备硬件固有的特征，由于电路器件生产差异，这种特征具有唯一性，能区分不同的传输设备。
3、有研究表明，使用深度学习进行射频信号识别是可行的。目前常用的基于深度学习的射频信号识别方案，一般都是基于单网络模型的射频信号识别方案。但是，基于单网络模型的射频信号识别方案，一般只能提取到时间序列的单一特征，因此该类方案存在特征丢失的缺陷。现在虽然存在基于双网络模型的射频信号识别方案，但是该类方案在全局特征提取时，没有考虑时间序列的因果性质；同时，随着输入序列长度提升需要很深的卷积神经网络，无法有效提取全局特征；此外，该...
【技术保护点】
1.一种基于多尺度注意力特征融合的射频信号识别方法，包括如下步骤：
2.根据权利要求1所述的基于多尺度注意力特征融合的射频信号识别方法，其特征在于步骤S2所述的对步骤S1获取的信号数据进行数据处理，具体包括如下步骤：
3.根据权利要求2所述的基于多尺度注意力特征融合的射频信号识别方法，其特征在于步骤S3所述的基于LSTM网络、TCN网络和MS-CAM网络，构建射频信号识别初始模型，具体包括如下步骤：
4.根据权利要求3所述的基于多尺度注意力特征融合的射频信号识别方法，其特征在于步骤S3所述的基于LSTM网络、TCN网络和MS-CAM...
【技术特征摘要】
1.一种基于多尺度注意力特征融合的射频信号识别方法，包括如下步骤：
2.根据权利要求1所述的基于多尺度注意力特征融合的射频信号识别方法，其特征在于步骤s2所述的对步骤s1获取的信号数据进行数据处理，具体包括如下步骤：
3.根据权利要求2所述的基于多尺度注意力特征融合的射频信号识别方法，其特征在于步骤s3所述的基于lstm网络、tcn网络和ms-cam网络，构建射频信号识别初始模型，具体包括如下步骤：
4.根据权利要求3所述的基于多尺度注意力特征融合的射频信号识别方法，其特征在于步骤s3所述的基于lstm网络、tcn网络和ms-cam网络，构建射频信号识别...
【专利技术属性】
技术研发人员：孙毅臻，封靖川，罗豪凯，吴佼，赵彩丹，田建伟，田峥，李琪瑶，彭俊驰，谢尊荣，杨欢驰，戴大维，
申请(专利权)人：国网湖南省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。