【技术实现步骤摘要】
本专利技术属于辐射源个体识别领域，尤其涉及一种基于复数脉冲神经网络的个体识别方法。
技术介绍
1、辐射源个体识别(specific emitter identification,sei)，也称为辐射源“指纹识别”，是一种从捕获的电磁信号中提取独特的特征，并利用现有的知识来准确识别发射这些信号的特定辐射源的技术。射频指纹是硬件制造过程中不可避免的变异所产生的独特标识，因此它们本质上是不可避免且难以复制的。
2、射频指纹的提取和分类是构成辐射源个体识别核心技术的关键部分。sei主要分为两种方法：
3、1)需要人工干预的手动辐射源识别技术。手动识别方法进一步细分为：a)基于瞬态特征的方法；b)依赖稳态特征的方法。射频指纹技术的发展可以追溯到toonstra等人在1995年提出的瞬态信号特征提取技术。信道噪声和设备硬件的变异等因素显著增加了从开/关瞬态中提取可辨别特征的难度。基于稳态特征的识别方法则需要专家知识来进行手动特征提取。采用领域变换技术，如小波域特征、包络特征和瞬时相位分析，在sei中已经展现出良好的性能。随着...
【技术保护点】
1.一种基于复数脉冲神经的深度学习辐射源个体识别方法，其特征在于：通过基于复数脉冲神经的识别网络进行识别，所述基于复数脉冲神经的识别网络包括若干依次首尾连接的卷积模块，卷积模块中包括复数卷积层和脉冲神经层。
2.如权利要求1所述的基于复数脉冲神经的深度学习辐射源个体识别方法，其特征在于，脉冲神经层的处理方式为：将脉冲神经层的输入中的每个通道分别作为膜电势输入序列输入到神经元模型中，当神经元模型中的膜电势的累计电位超过阈值时，点火函数发射一个尖峰，从而产生与该通道对应的稀疏序列，然后将所有通道产生的稀疏序列合并为脉冲神经层所输出的特征。
3.如权...
【技术特征摘要】
1.一种基于复数脉冲神经的深度学习辐射源个体识别方法，其特征在于：通过基于复数脉冲神经的识别网络进行识别，所述基于复数脉冲神经的识别网络包括若干依次首尾连接的卷积模块，卷积模块中包括复数卷积层和脉冲神经层。
2.如权利要求1所述的基于复数脉冲神经的深度学习辐射源个体识别方法，其特征在于，脉冲神经层的处理方式为：将脉冲神经层的输入中的每个通道分别作为膜电势输入序列输入到神经元模型中，当神经元模型中的膜电势的累计电位超过阈值时，点火函数发射一个尖峰，从而产生与该通道对应的稀疏序列，然后将所有通道产生的稀疏序列合并为脉冲神经层所输出的特征。
3.如权利要求2所述的基于复数脉冲神经的深度学习辐射源个体识别方法，其特征在于，脉冲神经层中的神经元模型为：
4.如权利要求3所述的基于复数脉冲神经的深度学习辐射源个体识别方法，其特征在于：脉冲神经层中，将膜电势输入序列作为膜电势的初始值输入至上述神经元模型中，每输入一个序列元素值后得到与之对应的膜电势，同时将膜电势累加到累计电位中；设膜电势输入序列输入个点后得到的累计电位为，如果该值大于预设的触发阈值，则该第个点在稀疏序列中对应的点值为1、且将累计电...
【专利技术属性】
技术研发人员：徐从安，林云，张乃煜，张哲瑞，查浩然，高龙，吴俊峰，周伟，蔡卓燃，
申请(专利权)人：北京理工大学前沿技术研究院，
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。