使用度量对抗训练的半监督特定辐射源识别方法
信号处理
2022-11-29 v1
摘要
特定辐射源识别（SEI）在军事和民用场景中扮演着日益关键且具潜力的角色。它是指通过分析从给定无线电信号中提取的特征来区分各个辐射源的过程。深度学习（DL）和深度神经网络（DNN）能够学习数据的隐藏特征并自动构建分类器以进行决策，已被广泛应用于 SEI 研究中。考虑到标注训练样本不足而未标注训练样本众多，基于半监督学习的 SEI（SS-SEI）方法已被提出。然而，很少有 SS-SEI 方法专注于提取无线电信号的判别性和泛化语义特征。在本文中，我们提出了一种使用度量对抗训练（MAT）的 SS-SEI 方法。具体而言，创新地将伪标签引入度量学习以实现半监督度量学习（SSML），并设计了一个由 SSML 和虚拟对抗训练（VAT）交替正则化的目标函数，以提取无线电信号的判别性和泛化语义特征。所提出的基于 MAT 的 SS-SEI 方法在开源的大规模真实世界自动相关监视广播（ADS-B）数据集和 WiFi 数据集上进行了评估，并与最先进的方法进行了比较。仿真结果表明，所提出的方法比现有的最先进方法取得了更好的识别性能。具体而言，当标注训练样本数与所有训练样本数之比为 10% 时，在 ADS-B 数据集上的识别准确率为 84.80%，在 WiFi 数据集上为 80.70%。我们的代码可从 https://github.com/lovelymimola/MAT-based-SS-SEI 下载。
引用
@article{arxiv.2211.15379,
title = {Semi-Supervised Specific Emitter Identification Method Using Metric-Adversarial Training},
author = {Xue Fu and Yang Peng and Yuchao Liu and Yun Lin and Guan Gui and Haris Gacanin and Fumiyuki Adachi},
journal= {arXiv preprint arXiv:2211.15379},
year = {2022}
}
备注
12 pages, 5 figures, Journal