残差信道提升无线电频谱指纹识别中的对比学习
信号处理
2025-03-28 v1 人工智能
摘要
为解决在未见环境中部署预训练模型时数据样本有限的问题，本文提出一种基于残差信道的数据增强策略，用于无线电频谱指纹识别（RFFI），并配合轻量级SimSiam对比学习框架。通过应用最小二乘（LS）和最小均方误差（MMSE）信道估计随后均衡，生成带有不同残差信道效应的信号。这些残差信道使模型能够学习更有效的表征。随后，在新环境中仅使用1%样本对预训练模型进行微调。实验结果表明，我们的方法在更少样本和更少时间内，显著提升了特征提取能力和泛化性，适用于实际无线安全应用。
引用
@article{arxiv.2412.08885,
title = {Residual Channel Boosts Contrastive Learning for Radio Frequency Fingerprint Identification},
author = {Rui Pan and Hui Chen and Guanxiong Shen and Hongyang Chen},
journal= {arXiv preprint arXiv:2412.08885},
year = {2025}
}
备注
5 pages, 4 figures