摘要
一种基于流式跳跃连接的轻量化实时射频指纹识别方法,属于通信信号处理领域。本发明实现方法为:采用WiSig数据集作为神经网络的训练集和测试集。将ResNet网络中的二维卷积层更换为一维卷积层。边缘设备中的ADC信息采样吞吐量大于射频指纹模型推理吞吐量,在射频指纹模型的不同深度增加多个输入分支,多输入分支结构使得需要融合的特征图产生时间一致,避免存储空间分配。预设时间内同类的不同时段的射频指纹信息,去除接收机畸变特征、信道噪声特征。将融合特征指纹识别信息作为分类器的输入得到更为精准的预测向量,通过Softmax函数将全连接层输出的向量映射为概率值,采用交叉熵损失函数和SGD优化器训练神经网络,利用训练好的神经网络识别射频指纹。
技术关键词
射频指纹识别方法
神经网络模型
Softmax函数
指纹识别信息
指纹模型
WiFi发射器
指纹信号识别
ResNet网络
缩放参数
索引
元素
样本
通道
输出特征
分类器
融合特征
训练神经网络
系统为您推荐了相关专利信息
光场模型
光路系统
智能交换方法
空间光调制器
神经网络模型
抽水蓄能机组
卷积神经网络模型
注意力机制
水导轴承
空间注意力模型
故障诊断方法
故障诊断模型
电力设备
联邦学习系统
参数
睡眠检测方法
频域特征
时域特征
混合神经网络模型
预警规则