一种基于深度学习射频指纹的无人机身份识别方法

1.一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，所述步骤2中，所述rf前端包括天线、低噪声放大器、带通滤波器和前级放大器，无线电信号经过天线采集后，依次通过低噪声放大器、带通滤波器和前级放大器进行信号处理。

3.如权利要求1或2所述的一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，所述步骤3中，混频是将预处理的射频信号与局部振荡器lo信号进行混频，以生成中频信号if；低通滤波移除混频后产生的高频分量，只保留目标频段的低频分量；抽取是降低信号的采样率以减少数据量，同时保留主要的信息内容；生成iq信号是指通过数字信号处理器dsp进行信号解调，分别提取信号的同相i和正交q分量。

4.如权利要求1或2所述的一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，所述步骤7中，自注意力机制有6个头学习不同特征，在每一个头中，已分块的序列使用三个不同的线性投影映射为查询q、键k 和值v 向量，公式为，

5.如权利要求4所述的一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，在多尺度vit网络的训练过程中，优化器为adam，损失函数为分类交叉熵损失，公式为，

6.如权利要求1或2所述的一种基于深度学习射频指纹的无人机身份识别方法，其特征在于，所述步骤7中，所述多层感知机的第一层输出维度为1024，第二层输出维度与输出矩阵的最后一维一致，激活函数类型为gelu，丢弃率为0。