[发明专利]基于生成式对抗网络的半监督式特定辐射源个体识别方法

说明书

本发明公开了一种基于生成式对抗网络的半监督式特定辐射源个体识别方法。该方法包括：获取真实样本和生成样本；所述真实样本包括有标签真实样本和无标签真实样本；对所述生成样本和有标签真实样本进行判别；通过判别得到的有标签真实样本和生成样本对辅助分类网络进行训练；对所述生成样本和无标签真实样本进行判别；通过判别得到的生成样本对训练后的辅助分类网络再次进行训练；通过再次训练后的辅助分类网络对特定辐射源个体进行识别。本发明能较好地适应低信噪比与小样本弱标注条件下的特定辐射源个体识别任务，提高特定辐射源个体识别的效率和准确率。

技术领域

本发明涉及射频信号处理技术领域，特别是涉及基于生成式对抗网络的半监督式特定辐射源个体识别方法。

背景技术

特定辐射源是指根据接收到的射频通信信号的指纹特征，识别其所属的通信辐射源个体的技术。不同辐射源个体的内部硬件存在细微差异，这一差异则体现在其发射的射频信号中并表现出唯一标识的特性，称之为射频指纹特征，基于此可识别不同的辐射源个体。这一技术被广泛应用于民用与军事领域，特别是在军事电子侦察领域，当前各国军队装备了大量生产型号、信号样式一致的电子设备，这使得传统基于信号样式识别的电子侦察在区分不同目标个体等任务面临较大困难。此外，战场环境中天然的非合作通信特性，使得这一困难被进一步加剧。因此，开展基于特定辐射源个体识别技术的通信侦察，对于区分同一生产型号与信号样式、不同个体的辐射源，进而判断作战任务中目标的数目规模，最终获取敌方的兵力部署、战场态势等情报，具有广阔的应用前景与较高的军事价值。

特定辐射源个体识别技术的核心在于射频指纹特征的提取。传统的方法多采用人工预定义的方式，设计射频指纹特征的提取方法。常用的方法包括：高阶信号谱、时频域特征提取、经验模态分解等。但是射频指纹特征是由辐射源内部多种硬件差异的共同作用而产生，具有很高的复杂性。因此传统方法在面对某个特定的辐射源个体识别任务时，通常需要采取“逐个尝试”的方法选择合适有效的指纹特征提取算法。这种效率极低的特征选择思路严重影响了通信辐射源识别系统的开发速度，不利于该技术的推广应用。

发明内容

本发明的目的是提供一种基于生成式对抗网络的半监督式特定辐射源个体识别方法，提高特定辐射源个体识别的效率和准确率。

为实现上述目的，本发明提供了如下方案：

一种基于生成式对抗网络的半监督式特定辐射源个体识别方法，包括：

获取真实样本和生成样本；所述真实样本包括有标签真实样本和无标签真实样本；所述生成样本是对隐含编码和隐含向量进行编码得到；所述隐含编码是对包含辐射源个体类别信息的均匀分布进行采样得到，所述隐含向量是对包含无线信道先验信息的多重模态Nakagami-m分布进行采样得到；

获取辅助分类网络；

对所述生成样本和有标签真实样本进行判别；

通过判别得到的有标签真实样本和生成样本对辅助分类网络进行训练；

对所述生成样本和无标签真实样本进行判别；

通过判别得到的生成样本对训练后的辅助分类网络再次进行训练；

通过再次训练后的辅助分类网络对特定辐射源个体进行识别。

进一步地，所述对所述生成样本和有标签真实样本进行判别，具体包括：

获取判别网络；

通过生成样本和有标签真实样本对所述判别网络进行训练；

通过训练后的判别网络对生成样本和有标签真实样本进行判别。

进一步地，所述真实样本和生成样本的获取过程包括：

获取表征向量；所述表征向量是对样本数据进行编码得到；所述样本数据包括有标签样本数据和无标签样本数据；