HET：一种用于特定发射体识别的高效高频增强变压器

《IEEE Transactions on Neural Networks and Learning Systems》：HET: An Efficient High-Frequency Enhancement Transformer for Specific Emitter Identification

　　高频率增强低复杂度Transformer模型HET通过MLSA和MESA模块提升特定发射器识别（SEI）性能，在XSRP、ADS-B和Wi-Fi数据集上验证了其高频特征提取能力和计算效率优势。

　　

摘要：

在无线通信和雷达系统等各种应用中，特定发射体识别（SEI）是一项关键任务。传统Transformer的低通特性限制了高频特征信息的提取，从而导致SEI性能不佳。此外，引入额外的高频感知结构虽然可以提高计算密集型Transformer的计算效率，但也会增加其复杂性。为了解决这些问题，我们提出了一种名为HET的高频增强型低复杂度Transformer。该框架集成了多头低复杂度自注意力（MLSA）模块、高频增强连接以及多头高频增强低复杂度自注意力（MESA）模块。MLSA模块通过键值映射降低了计算复杂度；MESA模块和高频增强连接模块通过重构特征的低频和高频成分来捕获高频信息。我们基于不同的增强方法和位置，设计了三种HET变体，分别为：、和。我们在XSRP、ADS-B和Wi-Fi数据集上进行了广泛实验，证明了这些模型的竞争性准确性以及相较于传统方法的更快吞吐量。高频抑制和频率响应的理论分析结果证实，所提出的框架在SEI任务中对高频信息的处理具有更大优势。代码可在以下链接获取：https://github.com/zhailei-zl/HETmodel