摘要：针对在小样本条件下难以有效提取通信辐射源指纹特征的问题,设计了一种堆栈自编码网络的通信辐射源个体细微特征提取算法。首先通过预处理(高阶谱分析)将原始通信辐射源信号从时域转化到高维特征空间,然后利用大量无标签的通信辐射源高维样本训练堆栈自编码器网络,在此基础上,通过少量有标签的通信辐射源样本对softmax回归模型进行精校训练,从而获得面向通信辐射源指纹特征提取的深度学习网络。实际采集的通信电台数据集上的实验结果验证了该模型的可行性与有效性。

摘要：针对传统方法在复杂电磁环境下难以有效提取通信辐射源指纹特征的问题,设计一种基于卷积神经网络的通信辐射源个体识别方法。首先建立基于卷积神经网络的通信辐射源个体识别模型,然后仿真产生一个主信号,并通过叠加不同的指纹特征和不同信噪比的随机噪声作为不同通信辐射源的判别依据,最后测试模型的可行性和研究分析其它因素对模型的影响。