-
题名基于卷积神经网络联合多域特征提取的干扰识别算法
被引量：18
- 1
-
-
作者
王鹏宇
程郁凡
徐昊
尚高阳
-
机构
电子科技大学通信抗干扰技术国家级重点实验室
-
出处
《信号处理》
CSCD
北大核心
2022年第5期915-925,共11页
-
基金
国防科技创新特区资助
国家自然科学基金重点项目(62131005)
国家重点研发计划(编号254)。
-
文摘
干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取(Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE)的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比(Jamming-to-Noise Ratio,JNR)≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取(Automatic Feature Extractionbased Convolutional Neural Network,AFE-CNN)算法;与传统的人工特征提取的深度神经网络(Manual Feature Extraction-based Deep Neural Network,MFE-DNN)相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。
-
关键词
卷积神经网络
联合多域特征提取
干扰识别
时频图像
频域序列
-
Keywords
convolutional neural network
joint multi-domain feature extraction
interference recognition
time-frequency image
frequency-domain sequence
-
分类号
TN975
[电子电信—信号与信息处理]
-
