数据驱动的ADS-B干扰源信号类型识别

摘要：

传统干扰源信号类型识别方法在提取干扰信号的细微特征时,存在干扰信号调制类型分类精度低、识别效果差等缺点.对此,本文提出一种基于深度神经网络的ADS-B干扰信号调制类型识别算法.首先将ADS-B信号和干扰波形进行叠加混合,通过控制矢量信号发生器(VSG)进行仿真信号发射,并在接收端进行采集;接着对接收的基带I、Q数据进行人为添加随机噪声,并据此构造各种信噪比场景下的张量训练样本数据集;最后,利用训练样本数据对本文设计的神经网络进行训练,并在样本数据集上将传统分类算法和本文所提出的神经网络算法两者的识别性能进行对比分析.实验结果表明本文所提的神经网络算法相比于现有的传统识别算法,具有更好的识别性能.

关键词：深度学习;ADS-B;信号类型识别;卷积神经网络;残差神经网络

分类号：TP183(自动化基础理论)

资助基金：中国民用航空飞行学院科研基金资助项目;大学生创新创业训练计划项目

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-25