电讯技术

作者：安永丽,申俊峰,纪占林

单位：(1.华北理工大学 人工智能学院，河北 唐山063000;2.河北省工业智能感知重点实验室，河北 唐山063000)

关键词：射频指纹识别；物理层安全；差分星座图（DCTF）；注意力残差网络；

基金：国家科技部重点研发专项(2017YFE0135700)；河北省高层次人才工程项目(A201903011)；河北省自然科学基金(F2018209358)

差分星座图(Differential Constellation Trace Figure,DCTF)在射频指纹(Radio Frequency Fingerprint,RFF)识别中具有良好的性能，但在低信噪比情况下会产生严重的模糊。为了提高DCTF的识别精度，设计了注意力残差卷积神经网络模型，即DCTF-Res2Net模型。该模型在网络提取特征时加入注意力模块来提高DCTF的识别精度，并将标签平滑损失函数与网络模型结合，有效缓解了DCTF中的离群点对网络模型的干扰。在实验中，根据不同的传输方式和传输场景构建了完备的DCTF的数据集，并用DCTF-Res2Net模型对其进行分类。实验结果表明，在信噪比为5 dB的情况下，与传统的残差网络相比，所提出的DCTF-Res2Net模型可以达到更高的识别精度。

来源：2024年第3期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第3期