摘要详情
  1. 活动首页
  2. 摘要清单
  3. 摘要详情
113 / 2021-09-10 23:41:03
基于残差原型网络的辐射源个体识别
残差原型网络；原型学习；个体识别；差分星座轨迹图
通信网络与信息处理
全文待审
王春升 / 空军工程大学
现有基于深度学习的通信辐射源个体识别算法中，着重关注各类辐射源个体的类间距离，忽视了类内紧密性。针对此问题，结合残差网络和原型学习基本思想，提出残差原型网络，对输入信号的差分星座轨迹图进行识别。在基于距离的交叉熵损失函数基础上加入了原型损失作为正则化，进一步防止深度网络的过拟合和退化，在提高信号类内紧密度的同时增大了内间距离。通过对5种ZigBee设备的实验，结果表明本文提出算法在相同信噪比条件下相较于其他经典算法具有更高的准确性，在信噪比高于8dB时，可达到98%以上的准确率。
重要日期

  • 会议日期

    10月08日

    2021

    至

    10月10日

    2021

  • 09月20日 2021

    提前注册日期

  • 10月10日 2021

    注册截止日期

  • 12月31日 2021

    初稿截稿日期

主办单位
中国航天科工集团有限公司科技委
绍兴市人民政府
浙江理工大学
中国仿真学会
中国计算机自动测量与控制技术协会
中国航天第二专业（导弹总体）信息网
中国航天第三专业（空天动力）信息网
中国航天第四专业（导航与控制）信息网
承办单位
北京仿真中心
北京航天情报与信息研究所
北京动力机械研究所
北京自动化控制设备研究所
北方科技信息研究所
柯桥区人民政府
浙江理工大学柯桥研究院
深圳航天科创实业有限公司
联系方式
登录查看完整联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询