面向智能調(diào)制識(shí)別的電磁信號(hào)靈巧誘騙方法

陶明亮 唐舒婷 王 伶

（西北工業(yè)大學(xué)電子信息學(xué)院，陜西西安 710072）

1 引言

隨著雷達(dá)探測(cè)、通信等各類電子設(shè)備的使用，戰(zhàn)場(chǎng)電磁頻譜環(huán)境愈加復(fù)雜，電磁頻譜感知系統(tǒng)亟須發(fā)展高效率、高精度的電磁感知新體制，迫切需要從根本上解決傳統(tǒng)感知體制的技術(shù)瓶頸［1-2］。基于深度學(xué)習(xí)（deep learning，DL）的調(diào)制識(shí)別技術(shù)以其在特征提取和識(shí)別性能方面的優(yōu)勢(shì)［3-4］，在電磁頻譜感知中逐漸得到融合應(yīng)用［5］。

2017 年，美國(guó)國(guó)防高級(jí)研究計(jì)劃局（defense advanced research projects agency，DARPA）啟動(dòng)射頻機(jī)器學(xué)習(xí)（radio frequency machine learning systems，RFMLS）項(xiàng)目研究［6］，擬利用機(jī)器學(xué)習(xí)方法，研制出具備在日益擁擠的頻譜中識(shí)別和表征信號(hào)能力的射頻系統(tǒng)。文獻(xiàn)［7-8］利用深度學(xué)習(xí)方法完成了信號(hào)的調(diào)制識(shí)別工作并取得了很高的識(shí)別準(zhǔn)確率。文獻(xiàn)［9］利用短時(shí)傅里葉變換，將時(shí)域上的一維信號(hào)轉(zhuǎn)換到了二維的時(shí)頻域，利用圖像處理的方法，使用卷積神經(jīng)網(wǎng)絡(luò)完成了7種信號(hào)的調(diào)制識(shí)別。文獻(xiàn)［10］考慮不同信噪比下的信號(hào)具有較大差異性，聯(lián)合信號(hào)和信噪比作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，該方法達(dá)到了較高的調(diào)制識(shí)別準(zhǔn)確率，但是需要在測(cè)試時(shí)給出待識(shí)別信號(hào)的信噪比。DeepSig公司利用DL技術(shù)開發(fā)OmniSig 軟件套件，克服了傳統(tǒng)信號(hào)識(shí)別系統(tǒng)的性能限制。2018 年4 月，美陸軍啟動(dòng)了“盲信號(hào)分類挑戰(zhàn)賽”［11］，探尋在充斥電磁信號(hào)的戰(zhàn)場(chǎng)上區(qū)分合作方傳輸信號(hào)和非合作方攻擊信號(hào)的方法。解決復(fù)雜電磁環(huán)境下精確態(tài)勢(shì)感知問(wèn)題，逐漸具備對(duì)動(dòng)態(tài)變化的威脅環(huán)境，特別是未知威脅環(huán)境的實(shí)時(shí)響應(yīng)能力，可實(shí)現(xiàn)在應(yīng)對(duì)未知威脅時(shí)快速做出響應(yīng)而不需人力介入，且自適應(yīng)對(duì)抗能力不斷提升的高效率識(shí)別分類。……