MCL-YOLO:一种细粒度特定辐射源识别方法

摘要：

特定辐射源识别(Specific Emitter Identification,SEI)广泛应用于电子对抗、频谱管控、无线网络安全等军民领域.针对传统SEI方法依赖先验知识、普适性差、细粒度任务难以精细识别的问题,首先,利用接收机组建采集系统,采集Wi-Fi辐射源信号的数字频谱余晖图数据,建立国内首个特定辐射源识别数据集;其次,提出关注目标局部细微特征的Mutual Channel Loss-YOLO(MCL-YOLO)网络模型,充分挖掘数字频谱余晖图三维信息,高度聚焦子类间微小差异,实现细粒度特定辐射源识别;最后,在Wi-Fi辐射源个体数据集(WFED)上进行对比实验验证.实验结果表明,MCL-YOLO在WFED上精确率(Precision,P)、召回率(Recall,R)、F1测度(F1-Score,F1)和均值平均精度(mean Average Precision,mAP)比YOLOv5s分别提高2.9％、2.5％、2.7％、1.1％.充分证明其能聚焦相似特征间的细微差异,提高模型在细粒度SEI任务中的有效性.

关键词：特定辐射源识别、细粒度、目标检测、YOLOv5、数字频谱余晖图

所属期刊栏目：39

分类号：TN971;TP391.4

资助基金：国家自然科学基金;国家自然科学基金;中央引导地方科技发展资金项目;国家自然科学基金;河北省自然科学基金

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：96-104