《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 人工智能 > 设计应用 > 基于改进YOLOv8n的通信终端识别算法
基于改进YOLOv8n的通信终端识别算法
网络安全与数据治理
张策1，苏思雨2
1.佳缘科技股份有限公司；2.杭州电子科技大学 通信工程学院
摘要： 针对复杂电磁环境下信号干扰引起的通信设备终端识别精度下降这一问题，提出一种基于改进YOLOv8n的通信设备终端识别算法EMIYOLO。首先，针对干扰信号对目标信号造成遮挡干扰问题，通过将深度卷积、逐点卷积和ECA(Efficient Channel Attention)注意力机制相融合，提出C2fCE模块以增加模型感受野；其次，在主干网络的末端嵌入部分自注意力机制，提高模型对信号特征的学习能力；再次，采用五种数据增强策略对数据集进行有效扩充。实验结果表明，在训练集上，EMIYOLO模型相比YOLOv8n模型mAP5095提升7.4%，模型参数量减小0.4M；在测试集上，相比3个对比算法，EMIYOLO模型对六个手机型号的识别准确率分别平均提高42.3%、52%、53.4%、50.4%、34%和39.7%。因此，EMIYOLO模型在复杂电磁环境下具有较强的抗干扰能力和鲁棒性。
中圖分類號(hào)：TP393文獻(xiàn)標(biāo)志碼：ADOI:10.19358/j.issn.2097-1788.2026.01.004
中文引用格式：張策，蘇思雨. 基于改進(jìn)YOLOv8n的通信終端識(shí)別算法［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2026，45（1）：20-28.
英文引用格式：Zhang Ce，Su Siyu. Emitter identification algorithm for communication terminals based on improved YOLOv8n［J］.Cyber Security and Data Governance，2026，45（1）：20-28.
Emitter identification algorithm for communication terminals based on improved YOLOv8n
Zhang Ce1，Su Siyu2
1. Jiayuan Science and Technology Co.,Ltd.; 2. School of Communication Engnineering， Hangzhou Dianzi University
Abstract： To address the issue of decreased identification accuracy of communication terminals caused by signal interference in complex electromagnetic environments, an improved YOLOv8n-based emitter identification algorithm for communication terminals is proposed, named EMI-YOLO. Firstly, to tackle the problem of interference signals occluding the target signal, a C2fCE module is proposed, which integrates deep convolution, pointwise convolution, and the Efficient Channel Attention (ECA) mechanism to expand the model′s receptive field. Secondly, a partial selfattention mechanism is embedded at the end of the backbone network to enhance the model′s ability to learn signal features. Furthermore, five data augmentation strategies are employed to effectively expand the dataset. The experimental results indicate that EMIYOLO demonstrates a 7.4% improvement in mAP5095 than YOLOv8n in the training set, with a reduction of 0.4M in model parameters; compared to three baseline algorithms, EMIYOLO improves the identification accuracy for six mobile phone models by an average of 42.3%, 52%, 53.4%, 50.4%, 34% and 39.7% in the test set, respectively. Therefore, EMIYOLO exhibits strong antiinterference capability and robustness in complex electromagnetic environments.
Key words : communication terminal identification; YOLOv8n; complex electromagnetic environment

引言

近年來，隨著無線電網(wǎng)絡(luò)的迅猛發(fā)展，智能手機(jī)、物聯(lián)網(wǎng)設(shè)備以及各種無線傳感器等設(shè)備的大量涌入，使得無線網(wǎng)絡(luò)變得更加復(fù)雜和密集，信息安全問題也日益突出［1］。例如，現(xiàn)有的無線網(wǎng)絡(luò)大多依賴于密鑰進(jìn)行身份驗(yàn)證，但密鑰一旦泄露，就容易發(fā)生非法用戶的接入或者數(shù)據(jù)被竊取等事件［2］，導(dǎo)致嚴(yán)重的信息安全問題。通信終端輻射源識(shí)別為此類信息安全問題提供另外一種防御途徑。除驗(yàn)證密鑰外，還驗(yàn)證無線設(shè)備的型號(hào)與預(yù)留的型號(hào)是否一致，以此增強(qiáng)數(shù)據(jù)訪問的安全性。具體來說，通過深度學(xué)習(xí)技術(shù)提取射頻指紋(RFF)特征來發(fā)現(xiàn)和識(shí)別異常行為［3］，從而及時(shí)阻止非法設(shè)備的接入，進(jìn)而確保通信的安全性和可靠性，提升無線網(wǎng)絡(luò)的防護(hù)能力。然而，生活中充斥著電子設(shè)備、通信系統(tǒng)、電臺(tái)、無線網(wǎng)絡(luò)等大量輻射源，各種信息設(shè)備所產(chǎn)生的強(qiáng)電磁波、密集電磁場(chǎng)以及自然界中各種電磁信號(hào)，構(gòu)成日益復(fù)雜的電磁環(huán)境［4］。電磁信號(hào)強(qiáng)度的動(dòng)態(tài)變化、密集交織的信號(hào)以及頻譜的重疊與緊密分布可能會(huì)對(duì)目標(biāo)信號(hào)產(chǎn)生遮擋［5］，現(xiàn)有的基于深度學(xué)習(xí)的特征提取技術(shù)面對(duì)復(fù)雜多變的電磁環(huán)境時(shí)，模型容易受到干擾信號(hào)的影響，導(dǎo)致對(duì)目標(biāo)信號(hào)的辨識(shí)能力下降。因此，復(fù)雜的電磁環(huán)境給通信終端的輻射源識(shí)別帶來巨大挑戰(zhàn)。近年來，基于YOLO的目標(biāo)識(shí)別算法在多個(gè)領(lǐng)域得到廣泛應(yīng)用，并衍生出大量改進(jìn)方法。第一種思路是通過降低模型計(jì)算量來增強(qiáng)算法的實(shí)時(shí)性。例如，RFYOLO 針對(duì)無人機(jī)通信信號(hào)識(shí)別在 YOLOv8 基礎(chǔ)上改進(jìn)主干與 Neck 結(jié)構(gòu)，實(shí)現(xiàn)了參數(shù)量與精度的平衡［6］。這類方法在邊緣設(shè)備部署和實(shí)時(shí)檢測(cè)任務(wù)中具有明顯優(yōu)勢(shì)，但在復(fù)雜場(chǎng)景下可能會(huì)降低特征表達(dá)能力。第二種思路是提升模型對(duì)關(guān)鍵特征的提取能力。例如，YOLOv5sCWMDSQ在主干中引入CA注意力和多尺度池化機(jī)制，有效提升了頻譜信號(hào)識(shí)別的精度［7］。這類方法能夠強(qiáng)化對(duì)目標(biāo)信息的關(guān)注，從而提高識(shí)別精度，但大多直接將注意力模塊堆疊在主干網(wǎng)絡(luò)上，模型的泛化能力仍有限。第三種思路是進(jìn)行特征融合。如在YOLO的Neck部分引入PANet［8］等結(jié)構(gòu)實(shí)現(xiàn)多尺度特征融合。然而在頻譜類圖像中，多尺度信息的有效利用仍面臨挑戰(zhàn)。針對(duì)通信終端設(shè)備識(shí)別問題，本文創(chuàng)新性地提出基于數(shù)字頻譜余暉圖和改進(jìn)YOLO的通信終端識(shí)別算法。具體來說，采用YOLO目標(biāo)識(shí)別框架，提取通信終端輻射源的數(shù)字頻譜余暉圖特有的RFF特征，提出適用于復(fù)雜電磁環(huán)境的通信終端識(shí)別算法，簡(jiǎn)稱EMIYOLO。其核心包括三點(diǎn)：針對(duì)干擾信號(hào)對(duì)目標(biāo)信號(hào)造成遮擋干擾問題，提出C2fCE模塊，嵌入到主干和頸部網(wǎng)絡(luò)；針對(duì)模型特性提取能力弱問題，在主干網(wǎng)絡(luò)的末端嵌入部分自注意力機(jī)制；針對(duì)數(shù)據(jù)集樣本較少問題，采用五種數(shù)據(jù)增強(qiáng)策略對(duì)數(shù)據(jù)集進(jìn)行有效擴(kuò)充。實(shí)驗(yàn)結(jié)果表明，相較于基準(zhǔn)算法，在模型參數(shù)量減少的條件下，EMI-YOLO的識(shí)別準(zhǔn)確率得到提高。


本文詳細(xì)內(nèi)容請(qǐng)下載：

http://ihrv.cn/resource/share/2000006929


作者信息：

張策1，蘇思雨2

(1.佳緣科技股份有限公司，四川成都610097；

2.杭州電子科技大學(xué) 通信工程學(xué)院, 浙江杭州310018)

2.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。