期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于频带相关性Deep Learning的无线通信干扰智能识别
被引量:
3
1
作者
杨岚
肖海涛
张渭乐
《航空科学技术》
2022年第4期108-118,共11页
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...
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。
展开更多
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
下载PDF
职称材料
题名
基于频带相关性Deep Learning的无线通信干扰智能识别
被引量:
3
1
作者
杨岚
肖海涛
张渭乐
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
出处
《航空科学技术》
2022年第4期108-118,共11页
基金
航空科学基金(2019ZC070002)。
文摘
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。
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
Keywords
cognition of complex electromagnetic environment
disturbance recognition
frequency band correlation
long and short memory network
parallel multichannel multiscale convolution
分类号
TN975 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于频带相关性Deep Learning的无线通信干扰智能识别
杨岚
肖海涛
张渭乐
《航空科学技术》
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部