基于差分-变分模态分解与全局信息分析网络的辐射源个体识别方法

摘要：

为了解决基于希尔伯特黄变换(HHT,Hilbert-Huang Transform)辐射源个体识别方法中的模态混叠分解不充分以及低信噪比下效果较差的问题,本文将信号处理与深度学习相结合提出了一种新的辐射源个体识别方法.首先,对信号进行差分处理,并通过变分模态分解得到对应的模态分量;接着,对各模态分量进行希尔伯特变换得到希尔伯特谱;最后,针对希尔伯特谱的稀疏性特点,本文运用改进的全局信息分析模块对其进行全局细微特征提取.本文实验采用ORACLE公开数据集对所提方法进行性能测试,实验结果表明,该方法识别性能优于4种现有的基于希尔伯特黄变换的辐射源识别方法,其不仅有较低的计算复杂度,而且在5 dB信噪比下有着90％以上的识别效果.

关键词：射频指纹、无线通信安全、变分模态分解、全局模块、希尔伯特谱

所属期刊栏目：38

分类号：TN911.7

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2092-2101