Une méthode pour l'identification spécifique des émetteurs basée sur l'apprentissage et l'extraction de caractéristiques dans le domaine polarimétrique

L'identification spécifique des émetteurs (SEI) distingue les émetteurs individuels en extrayant des caractéristiques subtiles des signaux radiofréquences interceptés. Ce processus repose sur la conception et l'extraction de caractéristiques spécifiques. Les méthodes actuelles de sélection et de caractérisation des empreintes radiofréquences varient selon les individus, et le processus d'extraction est étroitement lié aux conditions environnementales. En conséquence, la généralité de tels algorithmes d'identification est souvent limitée, notamment lorsque l'environnement d'application ne correspond pas à la prémisse de la conception des caractéristiques, entraînant une dégradation rapide voire un échec de la performance d'identification individuelle. Cet article propose un modèle de clustering profond basé sur l'apprentissage des caractéristiques de polarisation pour identifier les émetteurs de communication individuels. L'approche consiste à construire un réseau guidé pour extraire des ensembles de données de caractéristiques de polarisation à partir de signaux de communication et à utiliser un réseau d'apprentissage contrastif de représentations pour extraire des caractéristiques de double polarisation à partir d'échantillons de données I/Q. Par la suite, un algorithme de modèle de mélange de classes bayésien non paramétrique (BNP), capable d'inférer un nombre inconnu de clusters, est employé pour construire un réseau de clustering à plusieurs niveaux pour l'analyse de regroupement des caractéristiques extraites. Dans des conditions de 5 dB, la méthode décrite dans cet article atteint une précision moyenne de reconnaissance de 87,5 %.