摘要
本发明公开了一种融合多特征的RSBU‑LSTM射频指纹识别方法,包括:一、射频信号的采集及处理;二、构建RSBU‑LSTM神经网络模型;三、I分量、Q分量和相位的特征提取;步骤四、RSBU‑LSTM神经网络模型的训练;五、利用训练好的RSBU‑LSTM神经网络模型进行射频指纹识别。本发明方法步骤简单、设计合理,通过I分量、Q分量和相位信号多个特征作为网络的输入,采用RSBU‑CW模块来抑制噪声并提取相关特征,以及LSTM网络模块提取非相邻周期信号的相关特征,有效提升了在低信噪比环境条件下的射频指纹识别准确率。
技术关键词
射频指纹识别方法
神经网络模型
融合多特征
LSTM神经网络
分量特征
无线设备
计算机
分支
网络模块
信号
相位特征
训练集
优化器
信噪比
标签
噪声
系统为您推荐了相关专利信息
异常对象
对象识别
船舶
深度学习模型
计算机程序产品
主题语义
数据
风险评估系统
大语言模型
循环神经网络模型
匹配检测方法
循环卷积神经网络
神经网络模型
序列
神经网络结构
数字传输方法
网络性能数据
卷积神经网络模型
深度学习模型训练
传输路径