基于一致性正则化的半监督射频指纹识别
信号处理
2023-05-01 v1 计算机视觉与模式识别
摘要
作为一种有前景的非密码认证技术，射频(radio frequency, RF)指纹识别可大幅提升无线安全性。近期工作表明，基于深度学习的RF指纹识别可显著优于传统方法。然而，其优越性主要归因于使用大量标注数据的监督学习，若仅有有限标注数据可用，性能会显著下降，导致许多现有算法缺乏实用性。考虑到在实践中以最小资源获取足够无标注数据通常更为容易，我们利用深度半监督学习进行RF指纹识别，这在很大程度上依赖于为无线电信号设计的复合数据增强方案，并结合两种流行技术：基于一致性的正则化(consistency-based regularization)与伪标注(pseudo-labeling)。在模拟与真实世界数据集上的实验结果表明，我们提出的半监督RF指纹识别方法远优于其他竞争方法，并且仅用极少量样本即可取得几乎接近全监督学习的显著性能。
引用
@article{arxiv.2304.14795,
title = {Semi-Supervised RF Fingerprinting with Consistency-Based Regularization},
author = {Weidong Wang and Cheng Luo and Jiancheng An and Lu Gan and Hongshu Liao and Chau Yuen},
journal= {arXiv preprint arXiv:2304.14795},
year = {2023}
}
备注
12 pages, 15 figures, submitted to IEEE Internet of Things Journal