典型文献
基于频带相关性Deep Learning的无线通信干扰智能识别
文献摘要：
近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提.基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题.本文针对上述问题,引入了并行多路多尺度卷积,通过增加网络宽度、提升网络识别速度和精度,解决前期特征提取繁杂的问题;结合频带相关性长短时记忆网络(LSTM)创新性地提出了基于LSTM的频带相关性无线通信干扰智能识别网络,该方法利用LSTM探知干扰信号频带相关性,提升低干噪比下的干扰识别正确率.通过仿真证明了多尺度并行卷积比普通卷积网络更稳定,识别速度和泛化性更佳,该网络提升了低干噪比下的识别正确率,平均识别正确率达99.86％.可见,本文所提的网络模型是解决复杂电磁环境下的智能干扰识别的一种有效可用模型.
文献关键词：
复杂电磁环境认知;干扰识别;频带相关性;长短时记忆网络;并行多路多尺度卷积
中图分类号：
作者姓名：
杨岚;肖海涛;张渭乐
作者机构：
西安交通大学 智能网络与网络安全教育部重点实验室,陕西 西安 710072
文献出处：
引用格式：
[1]杨岚;肖海涛;张渭乐-.基于频带相关性Deep Learning的无线通信干扰智能识别)[J].航空科学技术,2022(04):108-118
A类：
频带相关性,无线通信装备,并行多路多尺度卷积,复杂电磁环境认知
B类：
Deep,Learning,通信干扰,智能识别,无线通信技术,军事领域,战场电磁环境,通信系统,抗干扰能力,智能干扰,干扰识别,识别算法,繁杂,JNR,识别率,长短时记忆网络,识别网络,法利,探知,干扰信号,行卷,卷积网络,更稳,泛化性
AB值：
0.205595
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
