卫星通信干扰信号识别技术研究现状及展望

随着通信技术的发展,卫星通信系统面临着日益严重的干扰问题以及干扰识别技术的挑战。针对这一现状,介绍了常见的卫星干扰信号样式及卫星干扰信号的发展趋势,分别从基于特征提取的干扰识别方法、传统机器学习方法以及深度学习方法3个方面介绍了卫星干扰信号分类识别技术的研究现状,分析了其各自的优势与不足。最后对未来卫星干扰信号分类识别技术进行了展望。     

基于改进遗传算法的入侵检测技术的设计与实现

天地一体化网络处在开放的电磁环境中,会时常遭受恶意网络入侵。为解决网络中绕过安全机制的非授权行为对系统进行攻击的问题,提出一种改进的遗传算法。该算法以决策树算法为适应度函数,通过删除数据集中的冗余特征,显著提高了对网络攻击的拦截率。通过机器学习进行异常分类,并利用遗传算法的特征选择功能,增强机器学习方法的分类效率。为验证算法的有效性,选用UNSW_NB15和UGRansome1819数据集进行训练和检测。使用随机森林、人工神经网络、K近邻和支持向量机等4种机器学习分类器进行评估,采用准确性、F1分数、召回率和混淆矩阵等指标评估算法的性能。实验证明,遗传算法作为特征选择工具能够显著提高分类准确性,并在算法性能上取得显著改善。同时,为解决弱分类器的不稳定性,提出一种集成学习优化技术,将弱分类器和强分类器集成进行优化。实验证实了该优化算法在提高弱分类器稳定性方面性能卓越。