抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
RF送信機同定は,近年無線機器の使用が増加しているので大きな課題に直面している。同定のための伝統的方法を手動で特定の高速指紋を選択することによって実行して,それは複雑な電磁環境の下で数ショットにおける未知またはローグ送信機から脅威を識別することに失敗した。この問題を解決するため,RF送信機識別(CSNTI)のための組合せSiameseネットワーク学習法を,RF信号のデータ増強と古典的指紋の両方を考慮することによって,本研究で提案する。提案方法は,Siameseネットワークによって訓練された一連の分類器から成る。各分類器を用いて,1つの送信機を他者と区別した。Siameseネットワークの特殊構造に基づいて,各分類器のための訓練サンプルの数は大いに増加し,それはデータ増強のために効率的であり,限られたRF送信機信号を完全に使用する。次に,ソフトマックス手順を,すべての分類器の出力を正規化するために追跡した。未知の送信機の同定のための基準を提案した。8つの既知の送信機と3つの未知送信機による基本分類と新しいデバイス同定のための数値実験を検証した。比較法の結果は,広範囲の条件にわたって最も高い精度が提案した方法によって達成されることを示唆する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】