强激光与粒子束

作者：刘文斌, 范平志, 杨佳煌, 李雨锴, 王钰浩, 孟华,

关键词：可解释性, 射频指纹, 深度学习, 可视化, 信号特征,

针对时域脉冲信号样本的射频指纹提取与深度学习模型的可解释性，提出了一种基于Grad-CAM的重要区域可视化呈现方法，并通过重要区域的多次掩码测试，来分析重要区域对射频指纹识别结果的影响。基于10个辐射源的信号样本，对比了层数不同的两种ResNet模型的测试结果。测试发现该方法能够区分不同类型信号并呈现个体差异。分析表明，该方法能够发现不同辐射源发送相同信号时的重要区域定位差异，能可视化反映辐射源个体特征的空间距离，以及不同模型的特征表征与指纹定位准确度差异；同时发现对重要区域的掩码更容易产生误预测，证明特定信号存在与时频特征相关的射频指纹，并可辅助可视化定位影响射频指纹样本识别的关键点。

来源：2024年第4期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2024年第4期