一种构建民航领域射频指纹识别模型的方法与流程

技术特征：
1.一种构建民航领域射频指纹识别模型的方法，其特征在于，包括如下步骤：建立信号样本库，截取所述信号样本库中信号同步头射频指纹段，得到样本集；迭代设置模态值，基于所述样本集生成模态特征数组，构建所述模态值对应的残差网络模型；训练所述残差网络模型，直至得到最大模态值，退出迭代；将小于等于最大模态值的所有模态值放入模态值数组中；选择所述模态值数组中至少两个模态值对应的残差网络模型进行组合，对应得到多个组合模型；根据其中每个残差网络模型训练后得到的测试准确率和各类别的先验概率值，通过联合分布置信函数，计算出每个组合模型中各类别的融合概率值，取最大融合概率值对应的类别作为所述射频指纹段被识别出来的类别，并计算每个组合模型的融合准确率；根据预置的资源消耗率阈值，结合所述融合准确率，取出适合应用场景的组合模型作为最终的民航领域射频指纹识别模型。2.根据权利要求1所述的构建民航领域射频指纹识别模型的方法，其特征在于，所述建立信号样本库前还要得到训练好的聚类模型，包括：固定频点和采集时间长度，对空采集多段通信信号，所述通信信号包括四类：航空交通控制atc信号、广播式自动相关监视ads
‑
b信号、ads
‑
b应答信号和杂波信号；遍历所述多段通信信号，获取每段通信信号的聚类特征值，放入聚类特征值集合中；构建聚类模型，根据通信信号的类别，设置聚类类别，基于所述聚类特征值集合，训练聚类模型，识别出ads
‑
b信号对应的类别值；其中，所述获取每段通信信号的聚类特征值包括：计算每段通信信号的最高峰值和最低峰值的平均值，所述平均值与预置系数的乘积作为每段通信信号的底噪阈值；遍历每段通信信号，根据对应的底噪阈值，取出高于所述底噪阈值的第一个通信信号点和最后一个通信信号点，计算所述最后一个通信信号点与第一个通信信号点的数据长度差值，作为每段通信信号的聚类特征值，放入聚类特征值集合中。3.根据权利要求2所述的构建民航领域射频指纹识别模型的方法，其特征在于，所述建立信号样本库，包括：固定频点采集样本信号，获取所述样本信号的聚类特征值，传入训练好的聚类模型，得到样本信号的类别值；识别所述样本信号的类别值是否是ads
‑
b信号对应的类别值，如果不是，则放弃所述样本信号，对下一段采集的样本信号进行分选识别；如果是，则所述样本信号为待识别的ads
‑
b信号；建立simulink模型，根据协议字段解析所述样本信号，得到样本信号唯一标识；基于所述样本信号唯一标识，对样本信号进行标注和归类，建立信号样本库。4.根据权利要求1所述的构建民航领域射频指纹识别模型的方法，其特征在于，所述迭代设置模态值，包括：设置初始迭代次数为1，初始模态值为1，初次迭代时模态值递增1，当模态值大于1后，每次迭代模态值递增2。5.根据权利要求4所述的构建民航领域射频指纹识别模型的方法，其特征在于，基于所述样本集生成模态特征数组，包括：对所述样本集进行小波分解变换得到特征组合信息；对所述特征组合信息进行傅里叶变换，得到时频信号实部数组和时频信号虚部数组；
根据模态值，从所述实部数组和所述虚部数组中选取特征数据，堆叠得到k
×
n
×
2形式的三维多通道数组，其中k表示当前模态值，n表示样本集中射频指纹段的信号长度，2表示实部和虚部；将所述三维多通道数组拆分为模态值通道下的实虚双通道形式的数组，作为模态特征数组。6.根据权利要求5所述的构建民航领域射频指纹识别模型的方法，其特征在于，对所述样本集进行小波分解变换得到特征组合信息，包括：当模态值为1时，采用降采样小波分解变换，当模态值大于1时，采用非降采样小波分解变换，将所述样本集中射频指纹段信号分解为近似信息和细节信息；将所述近似信息和细节信息组合为特征组合信息，且所述特征组合信息的长度与样本集中射频指纹段信号的长度相等。7.根据权利要求1
‑
6任一所述的构建民航领域射频指纹识别模型的方法，其特征在于，所述残差网络模型是非对称卷积核多通道残差网络，构建所述模态值对应的残差网络模型包括：建立非对称卷积层，其中初始卷积核为(n,2)形态，后续卷积核为(n,1)形态，其中n≠1,2；建立多通道残差块，所述残差块第一个卷积核的输入通道值与所述模态值一致；建立非对称池化层，其中最终输出层采用平均池化方式，在最终输出层之前采用最大值池化方式。8.根据权利要求7任一所述的构建民航领域射频指纹识别模型的方法，其特征在于，所述训练所述残差网络模型，直至得到最大模态值，包括：训练所述残差网络模型，保存残差网络模型的测试准确率其中i表示迭代次数，k
i
表示第i次迭代设置的模态值；如果模态值k
i
大于4时，计算最后3次迭代中残差网络模型的测试准确率的平均值，得到测试准确率均值p
mean
；识别所述测试准确率是否大于测试准确率均值p
mean
，如果为是，则继续迭代，如果为否，取前一次迭代的模态值k
i
‑1为最大模态值，退出迭代。9.根据权利要求1所述的构建民航领域射频指纹识别模型的方法，其特征在于，其特征在于，所述联合分布置信函数是对至少两个残差网络模型的各类别置信函数进行建模得到，并引入了冲突系数和模糊值；所述冲突系数表示为单一置信函数在各类别交集不为空时所有组合方式取值的乘积之和，所述模糊值定义为1
‑
p
t
，p
t
表示第t个残差网络模型的测试准确率。10.根据权利要求9所述的构建民航领域射频指纹识别模型的方法，其特征在于，所述冲突系数的计算公式为：其中，a
s1
,a
s2
,
…
,a
st
∈(a1、a2、
……
、a
m
,θ)，a1、a2、
……
、a
m
表示有m类射频指纹信号，a
m
表示第m类射频指纹信号，θ表示残差网络模型的模糊值，m
t
(a
st
)表示进行组合的第t个残差网
络模型识别为第a
st
类射频指纹信号的单一置信函数，根据第t个残差网络模型的测试准确率与第a
st
类先验概率值的乘积计算得到；所述联合分布置信函数的计算公式为：所述联合分布置信函数符合约束条件根据所述联合分布置信函数计算出来的结果即为融合概率值。

技术总结
本发明涉及一种构建民航领域射频指纹识别模型的方法，属于信号识别技术领域，解决了现有无法自适应调整多模值和模型融合数量，识别准确率低的问题。包括建立信号样本库，截取其中信号同步头射频指纹段得到样本集；迭代设置模态值，生成模态特征数组，构建并训练残差网络模型，直至得到最大模态值，退出迭代；选择至少两个小于等于最大模态值对应的残差网络模型进行组合，通过联合分布置信函数，计算出每个组合模型中各类别的融合概率值，取最大融合概率值对应的类别作为射频指纹段被识别出来的类别，并计算每个组合模型的融合准确率；根据预置的资源消耗率阈值，结合融合准确率，取出最终的民航领域射频指纹识别模型。实现了识别的高准确率。识别的高准确率。识别的高准确率。


技术研发人员：曾蜜艺 李胜军
受保护的技术使用者：四川九洲电器集团有限责任公司
技术研发日：2021.07.15
技术公布日：2021/10/23