一种基于自适应指纹特征融合的多源异构辐射源个体识别方法及模型技术

本发明专利技术公开了一种基于自适应指纹特征融合的多源异构辐射源个体识别方法，包括如下步骤：步骤1，使用USRP采集不同位置不同模态的无线电信号，包括原始射频信号、解OFDM循环码后的信号以及信道均衡后的信号；步骤2，使用三条并行支路的一维或二维卷积层、池化层以及全连接层分别对三种不同的信号提取对应的射频指纹；步骤3，使用基于注意力机制的特征融合模块对上一步提取的三种射频指纹进行融合；步骤4，使用一个全连接网络分类器对融合后的射频指纹特征进行分类。本发明专利技术所公开的方法，考虑到了现实场景中来自于多种不同传感器的数据，克服了多源异构数据利用率低的问题。

【技术实现步骤摘要】

本专利技术属于辐射源个体识别、多源异构数据处理及特征融合领域，特别涉及该领域中的一种基于自适应指纹特征融合的多源异构辐射源个体识别方法及模型。

技术介绍

1、辐射源个体识别是快速识别接收信号来源身份鉴权的技术，这是保障工业物联网中物理层安全的重要环节，如黑客入侵检测，隐私数据泄露，非法设备介入等，其在确保工业物联网安全方面发挥着重要的作用。传统的辐射源个体识别方法主要有基于似然的方法和基于特征的方法，而基于似然的方法很难获取信道和噪声的位置参数，且基于特征的方法容易受到噪声的影响使得性能下降。近几年来，深度学习方法在各种模式分类任务中取得了很大的成功，如视觉检测、视觉跟踪和自然语言处理，许多基于深度学习的辐射源个体识别方法被陆续提出。然而，基于深度学习的辐射源个体识别方法由于模型存在大量的参数、超参数，导致固有的计算量大，普遍存在对多源异构传感器数据利用率差，对高质量数据依赖度高等问题。

2、在辐射源个体识别领域中，从未尝试过引入多源异构数据，但现实应用场景中，尤其在工业物联网、数字孪生智慧园区、智慧交通等场景中，感知层包含大量不同区域、不同类本文档来自技高网...

【技术保护点】

1.一种基于自适应指纹特征融合的多源异构辐射源个体识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于自适应指纹特征融合的多源异构辐射源个体识别方法，其特征在于：在步骤3中，激活函数σ()选用relu函数或者sigmoid函数。

3.根据权利要求1所述基于自适应指纹特征融合的多源异构辐射源个体识别方法，其特征在于：在步骤5中，学习率设为0.0001。

4.一种基于自适应指纹特征融合的多源异构辐射源个体识别模型，其特征在于：该模型由权利要求1所述方法步骤实现。

【技术特征摘要】

1.一种基于自适应指纹特征融合的多源异构辐射源个体识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于自适应指纹特征融合的多源异构辐射源个体识别方法，其特征在于：在步骤3中，激活函数σ()选用relu函数或者sigmoid函数。

【专利技术属性】
技术研发人员：唐怀玉，赵同明，葛宪生，赵亮，赵民，王磊，杨凯威，袁德品，赵锦阳，聂宏飞，赵五岳，王晓鹏，
申请(专利权)人：中国电波传播研究所中国电子科技集团公司第二十二研究所，
类型：发明
国别省市：