基于提取RF指纹的无人机个人识别——ISAC网络中的RFF-LLM
机器学习
2026-02-03 v2
摘要
无人机(UAV)个人(ID)识别是低空集成感知和通信(ISAC)网络中关键的安全监视策略。本文提出一种新型动态知识蒸馏(DKD)-enabled无线电频率指纹大语言模型(RFF-LLM)框架，用于UAV ID识别。首先，我们基于修改版GPT-2模型提出RFF-LLM框架，以提高复杂户外环境中的识别准确率。随后，考虑到RFF-LLM的参数开销，我们设计一种动态KD策略进行模型压缩。具体而言，采用近端策略优化(PPO)算法动态调整蒸馏温度，克服静态KD固有的局部最优困境。随后，将RFF-LLM的知识充分迁移到轻量级Lite-HRNet模型。最后，我们基于自行搭建的无人机RFF数据集DRFF-R1，通过收集149频道下20台商业无人机的I/Q信号进行实验。实验结果表明，所提出的框架仅使用0.15百万参数即可实现98.38%的ID识别准确率，响应时间仅为2.74毫秒，显著优于基准方法。
引用
@article{arxiv.2508.12596,
title = {Constructing 3D Rotational Invariance and Equivariance with Symmetric Tensor Networks},
author = {Meng Zhang and Chao Wang and Hao Zhang and Shaojun Dong and Lixin He},
journal= {arXiv preprint arXiv:2508.12596},
year = {2026}
}