基于一种广义脉冲神经网络的轻量级发射源识别方法OA
随着卫星通信在军民领域的深度应用,卫星及终端设备数量呈指数级增长,而信道开放性特征使其通信安全面临严峻挑战。特定发射源识别(Specific Emitter Identification,SEI)基于射频指纹实现设备身份认证,被视为保护卫星通信网络的核心手段之一。然而,当前SEI方法部署至星载平台、便携式卫星终端等资源受限场景时,受限于计算与存储资源,且难以有效捕捉射频信号的时域动态特征,导致识别性能与部署适配性不足。针对这些问题,文章提出一种广义脉冲神经网络(Broad-Sense Spiking Neural Network,BSNN),通过设计映射特征节点与嵌入增强节点的漏电积分发放脉冲神经元结构,构建轻量级高效的SEI模型,其核心是通过伪逆方法直接求解权重参数,避免传统深度学习的梯度迭代优化,无需依赖GPU即可适配边缘设备。采用该方法时,原始射频数据经脉冲神经元处理生成映射特征节点与增强节点,二者共同构成模型输入层,随后采用伪逆方法求解权重参数。基于真实ADS-B数据集的实验结果表明,BSNN在训练速度、模型轻量化与识别准确率上均表现突出,在资源受限场景下兼具部署适配性与性能优势。
田佳;冯书兴
航天工程大学,北京100000航天工程大学,北京100000
信息技术与安全科学
宽度学习系统特定发射源识别卫星通信脉冲神经网络
《海军航空大学学报》 2026 (5)
P.862-870,9
评论