研究人员开发了一个名为“物理信息结构锚定与感知捕获原型校准”（PISA-CAPC）的新框架，以提高射频指纹识别（RFFI）在不同环境下的准确性。该方法解决了深度RFFI模型在采集环境变化时性能下降的问题，这通常是由接收器阵列拓扑和捕获依赖的目标结构等因素引起的。PISA-CAPC将表示锚定与目标校准分开，使用拓扑图和采集动态描述符来组织天线令牌。它还结合了无标签感知捕获原型校准（U-CAPC），无需目标域标签或骨干网络更新即可调整决策分数。在WiFi基准测试中，PISA-CAPC在平衡的传导设置下取得了0.9257的Macro-F1分数，证明了其在跨环境RFFI中的有效性。 AI
影响 这项研究通过提高射频指纹识别在不同操作环境中的鲁棒性，有望增强物联网设备的安全性与识别能力。
排序理由 该集群包含一篇详细介绍射频指纹识别新技术框架的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
