基于CLDNN的物联网设备个体识别
作者:
作者单位:

1.中国电波传播研究所,山东 青岛 266107;2.哈尔滨工程大学 信息通信工程学院,黑龙江 哈尔滨 150001

作者简介:

王 凡(1982-),女,硕士,高级工程师,主要研究方向为电磁频谱管控、智能优化决策和电磁信号识别等.email:wangfan_01@126.com.
卢冬鸣(1981-),男,学士,高级工程师,主要研究方向为短波智能选频和电磁信号识别等.
王翰红(1999-),男,在读硕士研究生,主要研究方向为通信信号处理等.

通讯作者:

王翰红(1999-),男,在读硕士研究生,主要研究方向为通信信号处理等.,email:wanghanhong@hrbeu.edu.cn

基金项目:

伦理声明:



Individual identification of Internet of things devices based on CLDNN
Author:
Ethical statement:

Affiliation:

1.China Research Institute of Radiowave Propagation,Qingdao Shandong 266107,China;2.College of Information and Communication Engineering,Harbin Engineering University,Harbin Heilongjiang 150001,China

Funding:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    针对目前个体识别中特征工程存在信号序列长、特征鲁棒性差等问题,研究了基于深度神经网络的个体识别技术。借鉴语音识别中的卷积长短时全连接神经网络(CLDNN),通过卷积神经网络提取信号的局部幅度特征,通过长短期记忆网络提取信号的全局时域特征,使用全连接网络实现特征图到设备标签的映射。在视距(LOS)信道下,采集8台LoRa调制的无线数传电台数据,加入高斯白噪声进行仿真测试。仿真表明,本文所提方法在信号序列长度为2 048点和低信噪比(0 dB)时,模型准确率达到95%;此外相较VGG16模型,本模型参数更少,在物联网设备部署方面具有一定的应用前景。

    Abstract:

    Aiming at the problems of long signal sequence and poor feature robustness in Feature Engineering in individual recognition, the technology based on deep neural network is studied. Drawing lessons from Convolutional, Long Short-Term Memory, Fully Connected Deep Neural Networks(CLDNN) in speech recognition, the local amplitude features of the signal are extracted through convolution neural network and the global time-domain features of the signal are extracted through long-term and short-term memory network. A fully connected network is utilized to map the feature to the device label. Under the line of sight channel, the data of eight Lora modulated wireless data transmission stations are collected, and the Gaussian white noise is added to the simulation test. The simulation shows that when the Signal-to-Noise Ratio is low(0 dB) , the accuracy of the model can reach nearly 95% under the signal sequence length of 2 048 points. In addition, this model needs fewer parameters compared with VGG16 model. The proposed model has a certain application prospect in the deployment of Internet of things devices.

    参考文献
    相似文献
    引证文献
引用本文

王凡,卢冬鸣,王翰红.基于CLDNN的物联网设备个体识别[J].太赫兹科学与电子信息学报,2022,20(12):1298~1304

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
历史
  • 收稿日期:2021-09-30
  • 最后修改日期:2021-11-28
  • 录用日期:
  • 在线发布日期: 2023-01-13
  • 出版日期: