首页|基于Raw I/Q和深度学习的射频指纹识别方法综述

基于Raw I/Q和深度学习的射频指纹识别方法综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
硬件差异会形成辐射源的独有指纹,并附加在无线电信号上,利用辐射源的这一独特属性可进行射频指纹识别.在非合作条件下,由于信道环境未知、信号调制方案等先验知识匮乏,基于特征工程的射频指纹识别方法面临巨大挑战,而基于深度学习的射频指纹识别方法,尤其是能够直接处理Raw I/Q的方法表现出了很大潜力,但是该方向的研究成果较为零散,妨碍了研究者对关键问题的把握.该文首先从先验知识的利用上,对基于深度学习的射频指纹识别方法进行了分类对比,将问题聚焦到基于Raw I/Q和深度学习的射频指纹识别方法.然后,该文重点对使用Raw I/Q进行射频指纹识别的深度神经网络模型进行了分类和讨论,并对射频指纹识别相关的开源数据集、数据表示方法和数据增强方法进行了整理和归纳.最后,该文讨论了基于深度学习的射频指纹识别方法所面临的难题和值得关注的研究方向,以期对射频指纹识别的研究与应用有所帮助.
A Review of Radio Frequency Fingerprinting Methods Based on Raw I/Q and Deep Learning

陈翔、汪连栋、许雄、申绪涧、冯蕴天

展开 >

电子信息系统复杂电磁环境效应国家重点实验室 洛阳 471003

射频指纹识别 特定辐射源识别 深度学习 卷积神经网络 几何深度学习

国家自然科学基金

61771154

2023

10.12000/JR22140

雷达学报
中国科学院电子学研究所 中国雷达行业协会

雷达学报

CSTPCDCSCD北大核心EI
影响因子：0.667
ISSN：2095-283X
年,卷(期)：2023.12(1)
  • 3
  • 7