Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: specyficzna identyfikacja emiterów

Sortuj według:

Ogranicz wyniki do:

Specific emitter identification based on one-dimensional complex-valued residual networks with an attention mechanism

Qu Lingzhi, Yang Junan, Huang Keju, Liu Hui

Bulletin of the Polish Academy of Sciences. Technical Sciences

2021

Vol. 69, nr 5

art. no. e138814

Specific emitter identification (SEI) can distinguish single-radio transmitters using the subtle features of the received waveform. Therefore, it is used extensively in both military and civilian fields. However, the traditional identification method requires extensive prior knowledge and is time-consuming. Furthermore, it imposes various effects associated with identifying the communication radiation source signal in complex environments. To solve the problem of the weak robustness of the hand-crafted feature method, many scholars at home and abroad have used deep learning for image identification in the field of radiation source identification. However, the classification method based on a real-numbered neural network cannot extract In-phase/Quadrature (I/Q)-related information from electromagnetic signals. To address these shortcomings, this paper proposes a new SEI framework for deep learning structures. In the proposed framework, a complex-valued residual network structure is first used to mine the relevant information between the in-phase and orthogonal components of the radio frequency baseband signal. Then, a one-dimensional convolution layer is used to a) directly extract the features of a specific one-dimensional time-domain signal sequence, b) use the attention mechanism unit to identify the extracted features, and c) weight them according to their importance. Experiments show that the proposed framework having complex-valued residual networks with attention mechanism has the advantages of high accuracy and superior performance in identifying communication radiation source signals.

Specyficzna identyfikacja emiterów radarowych bazująca na analizie składowych głównych

Kawalec A., Owczarek R., Rapacki T., Wnuczek S.

Biuletyn Wojskowej Akademii Technicznej

2006

Vol. 55, nr 1

41-54

W artykule została przedstawiona problematyka związana z identyfikacją emiterów radarowych należących do tego samego typu i klasy. Jest to specyficzny rodzaj identyfikacji (SEI, ang. Specific Emitter Identification), polegający na rozróżnianiu poszczególnych egzemplarzy tego samego typu radaru. Klasyczna identyfikacja sygnałów bazująca na analizie statystycznej podstawowych parametrów mierzalnych sygnału nie spełnia wymagań stawianych przed SEI. Przedstawiona w artykule metoda identyfikacji opiera się na przekształceniu Karhunena-Loeve'a (KL), która należy do metod analizy składowych głównych (PCA, ang. Principal Component Analysis).

One of the most difficult tasks in the radar signal processing is optimal features extraction and classification. The multifunction radar systems cannot be classified and precisely recognized by most of new and modern Electronic Support Measure and Electronic Intelligence Devices in the real time. In most cases, the modern ESM/ELINT systems cannot recognize the different devices of the same type or class. New method of the radar identification with a high quality of recognizing is the Specific Emitter Identification (SEI). The main task is to find non-intentional modulations in the receiving signals. This paper provides an overview of the new methods of measurement emitter signal features parameters and their transformation. This paper presents some aspects of radar signal features processing using Karhunen-Loeve's expansion as a feature selection and classification transform.