射频指纹识别(Radio Frequency Fingerprinting,RFF)技术为工业互联网提供了关键的数据采集和处理能力,然而,现存RFF技术存在识别率低的问题。因此,以人工智能模型为基础,提出一种基于轻量化残差神经网络的RFF算法,旨在优化射频信号的...射频指纹识别(Radio Frequency Fingerprinting,RFF)技术为工业互联网提供了关键的数据采集和处理能力,然而,现存RFF技术存在识别率低的问题。因此,以人工智能模型为基础,提出一种基于轻量化残差神经网络的RFF算法,旨在优化射频信号的特征提取和识别过程,在降低计算复杂度的同时,保持高识别性能。实验通过USRP2954设备采集信号并识别,结果显示,研究提出的方法在高信噪比环境下达到98.46%的识别率。研究的创新对工业互联网和智能制造领域具有重要意义,能够推动工业自动化和智能制造的进一步发展,提升整个工业系统的智能化水平。展开更多
文摘射频指纹识别(Radio Frequency Fingerprinting,RFF)技术为工业互联网提供了关键的数据采集和处理能力,然而,现存RFF技术存在识别率低的问题。因此,以人工智能模型为基础,提出一种基于轻量化残差神经网络的RFF算法,旨在优化射频信号的特征提取和识别过程,在降低计算复杂度的同时,保持高识别性能。实验通过USRP2954设备采集信号并识别,结果显示,研究提出的方法在高信噪比环境下达到98.46%的识别率。研究的创新对工业互联网和智能制造领域具有重要意义,能够推动工业自动化和智能制造的进一步发展,提升整个工业系统的智能化水平。
