.png){kind=icon}
返回
Complex Convolutional Bidirectional Mamba With Feature-Wise Modulation for Multi-Device UAV Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/tnse.2026.3717119.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人机（UAV）的快速普及需要可靠的天空安全监控系统。虽然信道状态信息（CSI）为无人机感知提供了精确且灵活的模态，但利用来自多个分布式设备的CSI可以通过空间多样性显著提高识别精度。然而，现有的基于深度学习的方法往往难以有效整合多源数据，要么忽略设备间的显式交互，要么在扩展到更大网络时面临高昂的计算成本。为解决这些挑战，我们提出了复卷积FiLM增强的多设备双向Mamba网络（CFM-BiMamba）。具体而言，我们引入了一个共享的复数值特征提取器以减少融合冗余，并通过特征级线性调制（FiLM）融入设备特定特征。此外，采用双向Mamba骨干网络高效捕捉长程时序依赖，并结合轻量级注意力模块鲁棒融合多视角特征。在模拟和真实测量数据集上的实验结果表明，CFM-BiMamba始终优于现有最佳基线，在多设备感知场景中实现了识别精度与计算效率的卓越平衡。
Keyword:
Channel state information
drone recognition
state space models
complex-valued neural network
feature fusion
期刊
I
IF:
7.9
论文数:
2.5K
被引数:
10.0K
机构
引用论文
暂无论文信息