基于頻帶相關性Deep Learning的無線通信干擾智能識別

楊嵐 肖海濤 張渭樂

摘要：近年來，隨著無線通信技術在軍事領域的發展及各類無線通信裝備數量的增加，戰場電磁環境變得越來越復雜，其要求通信系統具有更強的抗干擾能力，而智能干擾識別是抗干擾的前提。基于傳統機器學習的各類干擾識別算法存在干擾前期特征提取繁雜、低干噪比（JNR）下識別正確識別率低的問題。本文針對上述問題，引入了并行多路多尺度卷積，通過增加網絡寬度、提升網絡識別速度和精度，解決前期特征提取繁雜的問題；結合頻帶相關性長短時記憶網絡（LSTM）創新性地提出了基于LSTM的頻帶相關性無線通信干擾智能識別網絡，該方法利用LSTM探知干擾信號頻帶相關性，提升低干噪比下的干擾識別正確率。通過仿真證明了多尺度并行卷積比普通卷積網絡更穩定，識別速度和泛化性更佳，該網絡提升了低干噪比下的識別正確率，平均識別正確率達99.86%。可見，本文所提的網絡模型是解決復雜電磁環境下的智能干擾識別的一種有效可用模型。

關鍵詞：復雜電磁環境認知；干擾識別；頻帶相關性；長短時記憶網絡；并行多路多尺度卷積

中圖分類號：TN975文獻標識碼：ADOI：10.19452/j.issn1007-5453.2022.04.014

基金項目：航空科學基金（2019ZC070002）

未來作戰環境不同于傳統作戰環境，未來作戰高度依賴無線通信進行信息作戰[1]。電磁頻譜作為戰場信息的核心載體，對其進行正確的認知有著十分重大的意義，不僅可以快速獲取戰場信息，而且使無線通信系統更為可靠[2]。無線通信處在一個較為開放的環境，因此更容易受到各方干擾信號及噪聲的影響，使信息傳輸準確率、通信系統安全率下降[3]。……