来源：期刊VIP网 时间：
作者：赵建鼎;李靖超;赵静;应雨龙;张斌;
单位：上海电机学院电子信息学院;上海电力大学能源与机械工程学院;日本神奈川大学工学部;
摘要：针对物联网终端设备射频指纹分类识别率不高的问题，提出一种基于梳状滤波的改进卷积神经网络-门控循环单元（CNN-GRU）射频信号“基因”分类识别方法。首先，通过梳状滤波器增强射频信号的时频特征，构建具有设备唯一性的“基因图谱”；其次，将传统一维CNN扩展为三层二维结构，结合双层GRU实现时-频联合特征提取与序列建模；最后，引入混合池化与指数线性单位（ELU）激活函数优化特征表达能力。实验结果表明：该方法在仿真数据中识别准确率达100%，实测数据达95.52%，较传统算法提升5%～22%，显著提高了物联网设备的安全性和管理效率。
关键词：无线通信设备识别;;射频信号“基因”;;梳状滤波;;深度学习;;基因图谱
基金资助：国家自然科学基金面上基金项目（62076160）资助;; 上海市“曙光计划”项目（23SG55）资助;; 上海市青年科技启明星项目（23QA1-40380）资助;; 上海市重型燃气轮机领域联合创新计划（UIC计划）项目（GYQJ-2023-1-06）资助
