17、利用射频数据中的时空相关性进行发射机分类

利用射频数据中的时空相关性进行发射机分类

1. ConvLSTM2D 单元的实现

为了利用信号数据的时空特性，实现了带有卷积滤波器的 LSTM 模型变体。其架构如下：
- 首先使用两层 ConvLSTM2D，分别有 1024 和 256 个滤波器，中间的丢弃率为 0.5。
- 每个 ConvLSTM2D 层的核大小为 (2, 2)，步长为 (2, 2)。
- 对卷积输出进行扁平化处理后，添加两个全连接（Dense）层，分别有 512 和 256 个节点。
- ConvLSTM2D 层使用 ReLU 激活函数，Dense 层使用 tanh 激活函数。
- 使用学习率为 10⁻⁴、衰减率为 0.9 的 ADADELTA 作为优化器，采用分类交叉熵进行训练。

对于 4 个和 8 个发射机的测试准确率分别达到了 98.9% 和 97.2%。

以下是该架构的简单 mermaid 流程图：

graph LR
    A[输入信号] --> B[ConvLSTM2D 层 1]
    B --> C[ConvLSTM2D 层 2]
    C --> D[扁平化]
    D --> E[Dense 层 1]
    E --> F[Dense 层 2]
    F --> G[输出]

2. LSTM/GRU/ConvLSTM 实现的比较

将数据按 90%、5%、5% 的比例分别用于训练、验证和测试，每个模型运行 50 个周期，并在验证集上进行早停。不同实现的整体准