基于CNN-FAN的辐射源个体开集识别

针对开放电磁环境下的未知辐射源识别问题，提出了一种基于卷积神经网络-傅里叶分析网络（Convolutional neural network-Fourier analysis network， CNN-FAN）模型的开集识别（Open-set recognition，OSR）方法。该方法首先通过引入傅里叶分析网络（Fourier analysis network，FAN）网络层，利用傅里叶级数的特性有效提取信号的频率分量，与卷积神经网络结合构成CNN-FAN网络模型，然后采用OpenMax代替Softmax层构成开集识别模型，最后采用中心损失函数组合交叉熵损失函数联合优化模型性能，减少辐射源个体特征距离类间差距，提高个体分类效果，使用OpenMax异常值检测算法进行已知类和未知类之间的区分。在开源WiSig数据集上对所提方法在不同开放度下进行性能验证和实验分析，实验结果表明，所提方法在开放度为0.057时识别率达到95%，开放度为0.184时的开集识别率仍有84%，优于其他开集识别方法。