基于BiLSTM和卷積神經(jīng)網(wǎng)絡(luò)模型的輻射源個(gè)體識(shí)別研究

打開(kāi)文本圖片集

摘 要：通信輻射源個(gè)體識(shí)別是指通過(guò)對(duì)無(wú)線(xiàn)設(shè)備產(chǎn)生的信號(hào)數(shù)據(jù)進(jìn)行特征提取與信號(hào)處理，從而實(shí)現(xiàn)對(duì)無(wú)線(xiàn)設(shè)備的個(gè)體識(shí)別?，F(xiàn)有應(yīng)用于輻射源個(gè)體識(shí)別的時(shí)間序列分類(lèi)方法，存在無(wú)法有效提取IQ時(shí)間序列數(shù)據(jù)特征和識(shí)別準(zhǔn)確率低的問(wèn)題。針對(duì)以上問(wèn)題，提出了一種BiLSTM網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)兩個(gè)支路并行的網(wǎng)絡(luò)架構(gòu)（BiLSTM-CNN），它顯著提高了分類(lèi)模型的性能，能夠關(guān)注和融合時(shí)間序列中重要的特征，從而實(shí)現(xiàn)更準(zhǔn)確的分類(lèi)。（剩余9823字）