基于复数卷积神经网络的辐射源识别方法

【摘  要】辐射源识别技术是近年来通信与信号处理领域的重要研究方向，是实现军事信号对抗与民用信号监管处理任务的基础。由于辐射源信号的种类、数量的急剧增加以及所处的电磁环境的复杂多变，传统的辐射源识别方法会出现识别性能下降的问题，因此提出一种基于CVCNN的辐射源识别方法。通过训练CVCNN来学习辐射源信号的有效特征并进行准确识别；采用100类民航客机广播式ADS-B信号用于辐射源识别，并对比了不同神经网络对该辐射源信号的识别性能。实验表明，所提出的CVCNN识别准确率更高、训练收敛速度更快，在实际部署中具备有效性和可行性。

【关键词】辐射源识别；复数卷积神经网络；ADS-B信号

0   引言

辐射源识别技术根据侦察技术获取发射端的辐射源信号，通过分析信号的频率特征、调制参数等信息，对信号特征进行测量与提取，最后，根据先验信息对发射信号的辐射源个体进行分类与确认[1]。近年来，该技术在军事和民用通信中的频谱检测与信号处理等方面发挥巨大的作用。

目前的辐射源识别方法可分为传统识别方法与机器学习（ML, Machine Learning）方法，具体如图1所示：

其中传统的辐射源识别方法识别速度快且易于实现，但此方法依赖先验知识且泛化能力差，难以处理如今数量庞大且形式复杂的辐射源信号[1]。ML为一种智能的数据分析方法，可以模仿人类学习方式ÿ