应用深度神经网络和集成学习的电台个体识别*

幸晨杰，王良刚

(中国西南电子技术研究所,成都 610036)

0 引 言

电台个体识别是现代电子战和民用通信管控的重要环节，通过信号处理技术对所截获的通信电台信号进行处理分析，提取所获取信号个体的属性特征，快速将每个信号对应到相应的电台[1-7]。该技术有助于准确获得电台个体的属性信息，定位和跟踪敌方的电台位置，进而分析通信组网构成，推测敌军的未来操作。

电台个体识别任务的传统研究方法可分为两个方向，一种是使用电台个体信号的暂态特征[8-9]，另一种是使用电台个体信号的稳态特征[10-13]。暂态特征是指信号的瞬时幅度、相位、频率、功率等参数呈现的分布特性，以及在辐射源设备开关机瞬间或工作模式转换的瞬间，因受工作环境、温度、噪声等因素的影响而产生的非线性特性；稳态特征一般是提取数据部分进行分析，数据部分由前导序列、中间码和有效负载联合组成[14]。例如，文献[15-20]都运用了双谱法提取信号稳态特征及其变换形式，或在此基础上再结合信号其他特征，取得了较好的电台识别效果；文献[21]和文献[22]运用了分形法提取电台暂态特征，取得了较好的识别效果。随着流形学习理论的深入研究，雷迎科等人[23]提出首先对信号样本进行双谱变换，然后利用正交局部样条判别嵌入方法深入提取辐射源的指纹特征，有效解决了辐射源个体特征缺乏鲁棒性的问题。

上述传统研究方法往往需要进行特征工程，存在依赖领域专业知识的问题。……