基于深度残差网络的ADS-B信号辐射源个体识别

摘要

针对传统依赖于人工提取的专家特征难以表征辐射源个体信号的细微差异问题,提出了一种基于深度残差网络(DRN)的辐射源个体识别算法.利用深度残差网络完成分类识别任务,将实测信号的同相分量(I路)和正交分量(Q路)输入到深度残差网络中进行训练.在包含不同飞行目标的ADS-B信号实测数据集上进行实验以评估该算法的性能.实验结果表明,提出的DRN模型在不需要人工进行特征选择的情况下达到了较好的分类精度.此外,在信噪比上对数据集进行扩增可进一步提升模型的性能.