基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中,针对传统的识别方法存在网络模型参数量大和算法时效性差等问题,提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征;其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合,设计出跳跃级联的一维倒残差轻量级神经网络;最后利用网络模型提取一维I/Q包络数据中的深层特征,从而实现对无人机个体的快速准确识别。实验结果表明,1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%,网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%,所提方法相较于其他方法,在保持较高识别准确率的同时具有更快的识别速度且占内存更小。