.png){kind=icon}
返回
Open-Set SEI via Multi-Anchor Complex-Valued Variational Autoencoder
.png){kind=icon}
PRE
AI
DOI：10.1109/lcomm.2026.3736677.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
开放集特定发射机识别(OSSEI)对于可靠的设备认证至关重要，需要在已知发射机的准确识别和未知发射机的鲁棒检测之间取得平衡。为解决现有OSSEI方法难以同时实现高类间可分性和强类内紧致性的局限，我们提出了一种基于多锚点复值变分自编码器(MACVAE)的OSSEI方法。所提出的MACVAE由复值变分自编码器模块和多锚点学习模块组成。前者直接在复值域中建模I/Q信号，同时利用重构约束将具有判别性的发射机相关信息编码到潜在空间中并提高类间可分性；后者为每个类别引入多个锚点，并鼓励每个样本与其最兼容的锚点关联，以增强类内紧致性并捕捉类内结构多样性。此外，结合条件概率建模与基于阈值的拒绝策略使MACVAE能够可靠检测未知发射机。在ADS-B、Wi-Fi和蓝牙数据集上的数值结果表明，所提出的MACVAE优于现有OSSEI工作，展示了在挑战性无线条件下的强鲁棒性和泛化能力。
Keyword:
Multi-anchor learning
open-set recognition
specific emitter identification
