公开(公告)号：CN112464713A

公开(公告)日：2021-03-09

申请号：CN202011134197.X

申请日：2020-10-21

Applicant: 安徽农业大学

Inventor： 方梦卿 ,  张友华 ,  彭征承 ,  朱俊霖 ,  许雨璐 ,  夏猛 ,  李科

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  H04B17/00

Abstract: 一种基于深度学习的通信辐射源射频指纹识别方法，其特征在于：包括以下步骤：使用通信信号接收装置，接收通信辐射源信号，并对信号进行处理，获得I/Q两路数字零中频信号；同时提取I/Q两路数字零中频信号的三种指纹信息，分别为：矩形积分双谱特征、分形盒维数特征、小波特征；将三种指纹信息数据集划分为训练集和测试集；构建多通道深度学习模型，并利用训练集和测试集训练模型直至模型精度达到98％；本发明在现有的通信辐射源射频指纹识别的传统方法上进行创新，利用信号多特征融合的方法，采用多通道深度卷积神经网络模型，进行二次特征提取，提高通信辐射源射频指纹的识别精度，从而更好地达到实际环境对通信辐射源射频指纹的识别要求。

公开(公告)号：CN112464713B

公开(公告)日：2022-11-08

申请号：CN202011134197.X

申请日：2020-10-21

Applicant: 安徽农业大学

Inventor： 方梦卿 ,  张友华 ,  彭征承 ,  朱俊霖 ,  许雨璐 ,  夏猛 ,  李科

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  H04B17/00

Abstract: 一种基于深度学习的通信辐射源射频指纹识别方法，其特征在于：包括以下步骤：使用通信信号接收装置，接收通信辐射源信号，并对信号进行处理，获得I/Q两路数字零中频信号；同时提取I/Q两路数字零中频信号的三种指纹信息，分别为：矩形积分双谱特征、分形盒维数特征、小波特征；将三种指纹信息数据集划分为训练集和测试集；构建多通道深度学习模型，并利用训练集和测试集训练模型直至模型精度达到98％；本发明在现有的通信辐射源射频指纹识别的传统方法上进行创新，利用信号多特征融合的方法，采用多通道深度卷积神经网络模型，进行二次特征提取，提高通信辐射源射频指纹的识别精度，从而更好地达到实际环境对通信辐射源射频指纹的识别要求。