淮师物电新闻网8月20日电（记者 陈友群）近日，周凯杰、李清波、曹培培等老师关于轻量化高效混合网络在无人机射频指纹识别中的应用取得了新研究进展，在《IEEE Internet of Things Journal》期刊上发表题为“Lightweight and Efficient Hybrid Network for UAV Identification Using Radio Frequency Fingerprinting”的学术论文。

无人机的广泛应用在带来便利的同时也引发了潜在的安全隐患，如何实现其准确识别成为亟需解决的问题。针对现有基于深度学习的射频指纹识别方法在计算复杂度和模型适应性方面的不足，本文提出了一种轻量高效的混合网络模型，结合卷积神经网络与Transformer以同时挖掘射频信号的局部与全局特征。该模型由局部模块和全局模块构成：局部模块利用部分卷积、逐点卷积与SE模块提升局部特征的表达能力；全局模块通过Unfold、超级Token Transformer块与Fold实现对全局依赖关系的建模。实验结果表明，在信噪比为–5 dB至20 dB的条件下，模型平均识别准确率达到96.89%，并在低信噪比下保持优异性能。同时，模型在小样本条件下亦表现出较强鲁棒性，仅用1000个训练样本即可获得92.14%的准确率，结合Mixup数据增强时，500个样本亦能保持较高的分类性能。上述结果验证了该方法在复杂环境下的良好适应性与应用潜力。

图1 本文提出的混合型无人机射频指纹识别方法总体框架

《IEEE Internet of Things Journal》（IEEE IoT-J）是中科院分区2区Top期刊，主要刊载物联网（Internet of Things）领域的高水平研究成果，涵盖物联网体系结构、关键技术、应用场景及其在智能交通、智慧城市、工业互联网等方面的前沿进展。

周凯杰，博士，副教授，主要从事轻量化深度学习等方面的研究。