2023-基于深度学习的射频指纹识别与信道效应缓解
题目 基于深度学习的射频指纹识别与信道效应缓解
背景 无线信道对宽带无线设备的RFF特征有显著影响。
提出了一个方法 LMS 基于时间域最小均方均衡的特征提取方法，缓解信道变化的影响
现有的方法是FDE频率域均衡 精准度不够
CNN算法设计了一个混合识别器 使用两个卷积神经网络（CNN）分别处理FDE和LMS处理后的序列，并通过比较测试帧的信道状态信息（CSI）与训练过程中预存的CSI来决定识别结果。 、
提出了一种创新的基于时间域LMS均衡的RFF特征提取方法，并结合深度学习CNN，通过混合识别器有效缓解了信道效应对RFF识别的影响，提高了识别精度。
总结 ：提出了一个新的方法LMS基于时间域的处理方法 和 然后设计了一个混合识别器 通过CNN来识别结果 缓解了信道效应的影响 提高了精准度
原文地址：https://blog.csdn.net/m0_48362854/article/details/142376478
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！