一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架与方法技术

本发明专利技术涉及无线感知与监视识别领域，具体提出一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架与方法，创新性在于解决了射频指纹识别中静态知识蒸馏的学生模型易陷入局部最优的困境，并借助大模型优势提高了动态无线环境下的无人机识别准确率。本发明专利技术涉及以下步骤：采集射频信号并构建数据集；采用数据切片、频域掩码和时域扰动进行数据预处理；训练无线大语言模型以提取高质量特征；利用动态知识蒸馏生成具备强泛化能力的轻量级模型；将预训练的轻量级模型部署到边缘设备。该框架充分考虑边缘计算资源受限与无线信道复杂性的实际条件，在显著压缩模型规模的同时，使轻量级模型保持与大模型相近的识别性能，实现对无人机射频指纹的高效、准确识别。

【技术实现步骤摘要】

本专利技术面向低空无人机监视应用场景，属于无线通信物理层安全领域，尤其涉及一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架对不同的无人机个体进行身份识别。

技术介绍

1、低空数字经济赋能新质生产力，无人机作为低空数字经济的重要组成部分，在众多垂直行业中具有重要应用价值。然而，随着无人机产业链的迅速推广，无人机型号和数量不断增多，无人机安全防护逐渐面临物理环境复杂、应用场景多样的挑战，研究无人机识别技术对于保护低空数字经济的信息安全、隐私安全具有重要价值，对于国民经济安全和国家安全具有重大意义。

2、伴随着5g-advanced(5g-a)通信感知一体化(integrated sensing andcommunication，isac)技术的演进，基站可以通过多维传感信号实现无人机的精确定位。目前的无人机感知技术主要依赖于多模态感知，包括视觉、声学、雷达和射频(rf)等模态。然而，传统的物理感知方法只能感知无人机(unmanned aerial vehicle，uav)的物理位置，无法识别的无人机的身份。根据dedrone发布的2024年安本文档来自技高网...

【技术保护点】

1.一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架，其特征在于，包括无人机射频信号采集模块、数据预处理模块、无线大语言模型(Wireless Large LanguageModel，Wireless LLM)训练模块、动态知识蒸馏模块和无人机个体识别模块，

2.一种基于大语言模型动态知识蒸馏的无人机射频指纹识别方法，其特征在于，采用权利要求1所述的一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架，所述方法包括以下步骤：

3.根据权利要求2所述的基于大语言模型动态知识蒸馏的无人机射频指纹识别方法，其特征在于，在该框架中，边缘设备接收到的信号r(t)为<...

【技术特征摘要】

1.一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架，其特征在于，包括无人机射频信号采集模块、数据预处理模块、无线大语言模型(wireless large languagemodel，wireless llm)训练模块、动态知识蒸馏模块和无人机个体识别模块，

2.一种基于大语言模型动态知识蒸馏的无人机射频指纹识别方法，其特征在于，采用权利要求1所述的一种基于大语言模型动态知识蒸馏的无人机射频指纹识别框架，所述方法包括以下步骤：

3.根据权利要求2所述的基于大语言模型动态知识蒸馏的无人机射频指纹识别方法，其特征在于，在该框架中，边缘设备接收到的信号r(t)为

4.根据权利要求3所述的基于大语言模型动态知识蒸馏的无人机射频指纹识别方法，其特征在于，接收到的信号r(t)经过离散采样被转换为原始数据xl，其中l∈l表示真实标签，l表示标签空间，增强信号构成样本空间进而构建数据集基于此，无人机个体识别问题可以被建模为基于增强信号样本的多类分类任务，模型通过最小化预测标签和真实标签l之间的交叉熵损失(cross-entropy,ce)函数来学习从到l的映射，以实现无人机个体识别，优化目标表示为：

5.根据权利要求4所述的基于大语言模型动态知识蒸馏的无人机射频指纹识别方法，其特征在...

【专利技术属性】
技术研发人员：郑浩林，高宁，黄治钧，陈博文，金石，
申请(专利权)人：东南大学，
类型：发明
国别省市：