Machine Learning Approach to RF Transmitter Identification

第一遍 包括以下步骤:

仔细阅读标题，摘要和介绍。 只阅读节和子节的标题，忽略其他内容。 阅读结论。 浏览一下参考文献，在心里勾出你已经读过的。
在第一遍的阅读之后，你应该能够回答下面五个问题:
类别：这是什么类型的论文?一篇测量文章?对现有系统的分析?一种研究原型的描述?
背景：它与其他哪些论文有关?哪些理论基础需要被用来分析这个问题?
正确性：假设看起来是有效的吗?
贡献：论文的主要贡献是什么?
分类：这篇论文写得好吗？

标题： 射频信号源识别的机器学习方法。
摘要： 随着近年来无线设备(手机、物联网、Wi-Fi)的发展和广泛使用，电磁频谱变得极其拥挤。为了应对流氓或未知发射机构成的安全威胁，重要的是根据发射机的固有物理特性而不是根据传输的数据内容来识别射频发射机。射频波形是一项特殊的挑战，因为涉及极高的数据率和在给定位置存在的潜在大量发射机。这些因素勾勒出快速指纹和识别方法的需要，而传统的手工设计方法。在本研究中，我们研究使用机器学习(ML)策略来分类和识别问题，以及使用小波来减少所需的数据量。四种不同的ML策略被评估：深度神经网络(DNN)、卷积神经网络(CNN)、支持向量机(SVM)和使用加速Levenberg-Marquardt (A-LM)更新的多阶段训练(MST)。由小波预处理的A-LM MST方法是迄今为止最精确的，根据来自12个不同发射机的数据测试，该方法的发射机分类精度达到100%。面对更大数量的发射机，我们讨论了扩大MST的策略。
介绍： 发射机识别方案解决的问题