面向频谱大数据处理的机器学习方法

随着移动互联网与物联网的迅猛发展,个人无线设备的数 量呈现指数级增长,随之产生的海量频谱数据与日俱增,频谱大数据的存在已成事实。同时 ,频谱赤字也日益严峻。为提高频谱利用率,有效的频谱大数据处理显得十分重要。本文从 无线通信的角度,首先给出了频谱大数据的定义并分析了它的基本特征;然后总结了一些 对于频谱大数据分析与利用颇具前景的机器学习方法,如分布式和并行式学习、极速学习、 核学习、深度学习、强化学习、博弈学习和迁移学习;最后给出了几个开放性话题和研究 趋势。     

无源定位技术发展动态及其应用分析

无源定位通过接收目标的有意、 无意辐射或反射信号来实现定位,定位系统不向外界发射电磁波信号,具有隐蔽性好、作用距离长、生存能力强等特点,在民用和国防领域均具有广泛的应用.本文从无源定位内涵与特点、在军民领域的典型应用、关键性能指标、无源定位关键技术以及基于外辐射源照射的无源定位五个方面探讨了国内外研究现状和技术特点,并...     

基于深度学习的无线电作弊信号发现与定位系统

随着无线电技术的飞速发展和无线电作弊手段的日新月异,考试中利用无线电设备进行作弊的情况也逐年增加。为保证考试的公平性,如何有效地发现和定位无线电作弊信号、建设智慧考场已成当前迫切需要解决的新课题。鉴于此,在室内定位和频谱监测技术的基础上,本文设计了基于深度学习的无线电作弊信号发现与定位系统,系统实现了无线电作弊设备判决、定位、告警、以及移动终端实时显示等功能,为监考人员提供了直观、远程和实时的考场环境的安全情况,为广大考生创造了一个公平的竞争环境。     

电磁频谱多维态势压缩测绘技术研究进展

在日益复杂的电磁频谱环境中,精准获取完备的频谱态势信息是做出准确频谱决策的重要前提。首先,介绍了频谱测绘并对比了其与频谱感知的主要区别。接着,综述了现有频谱态势生成方法的研究现状。然后,提出了异构性、大尺度缺失、动态性、环境复杂性等挑战下的多维频谱态势压缩测绘技术研究工作,有效弥补了传统频谱态势生成方法忽略频谱态势感知过程而导致的频谱测绘框架不完整性,该研究可进一步为提升频谱利用效率、增强频谱安全维护以及强化军事电磁对抗的决策提供更精准的指导。最后,对未来频谱压缩测绘的发展趋势进行了展望。     

低空智联网中基于多质心OpenMax的无人机开集识别方法

随着网络化、智能化的发展,无人机（Unmanned aerial vehicles, UAVs）逐渐成为低空智联网（Low-altitude intelligent network, LAIN）的重要组成部分,但如何对低空智联网中的无人机平台进行有效的管理仍面临严峻挑战。基于无人机信号中的细微特征可对无人机进行个体识别,并检测是否为非法无人机,从而实现低空智联网中无人机的身份识别和管理。针对低空领域信道环境复杂且无法提前获取非法无人机信号样本的问题,本文提出了基于差值时频和多质心OpenMax的无人机开集识别方法。首先,提出了与信道无关的差值时频特征来降低多径信道环境对射频指纹（Radio frequency fingerprinting, RFF）特征的影响,并利用数据增强提高了识别模型的准确率和鲁棒性。其次,利用多质心OpenMax替代神经网络Softmax层,以实现无人机个体的开集识别。最后,对神经网络的损失函数进行了改进,提高了开集识别准确率。本文利用真实环境采集的数据对所提算法进行了验证,在多径信道环境中开放度为0.087时,开集识别准确率达到了93.23%,与基准算法相比,...     

一种模型和数据混合驱动的电磁频谱态势测绘方法

频谱数据通常以多维度为特征,例如频率、时间、空间与信号强度等,这为采集以及可视化数据带来挑战。本文通过引入电磁频谱态势来表征信号功率谱密度在电磁空间的分布情况来实现目标区域内的频谱态势感知。目前频谱数据的获取方式通常为在目标区域内布置大量离散分布传感器,这导致采样效率低下,采样成本上升,在资源受限的情况下,上述采样方式并不可取。因此,本文从提高采样效率与降低采样成本出发,提出利用无人机采样实现目标区域内的信号功率数据获取,得到缺损二维、三维频谱态势,进一步提出一种模型和数据混合驱动的电磁频谱态势测绘方法,从而实现目标区域内部完整频谱态势的恢复。仿真结果表明,所提方法可以有效地完成目标区域内电磁频谱态势测绘,其补全精度与测绘效果均好于传统插值算法与张量补全算法。     

电磁空间态势研究现状综述

面对日益复杂的电磁环境,电磁空间态势因其整体性、动态性、关联性、可视性、海量性、多维性等特点,为提升用频系统综合性能、实现移动通信系统频谱共享及保障重大安保活动频谱安全等提供了重要的理论支撑,已经逐渐成为国内外频谱领域最具活力的研究方向之一。本文从电磁空间态势的角度出发,重点介绍了国内外电磁空间态势研究的相关技术,并进一步系统性介绍了国内外的代表性工作。最后,总结了电磁空间态势研究的重要性与发展现状,并提出了该领域在未来面对的挑战。     

基于BP神经网络的认知无线电疑似跳转信道预测研究

为了在认知无线电环境中进行跟踪干扰,需要预测认知用户在遭受干扰后进行频谱切换的目标信道——疑似跳转信道,以便在这些疑似跳转信道上对其进行跟踪检测和干扰。提出了一种在多信道多用户条件下,认知用户在感知得到的空闲信道上智能决策并选择合适信道接入的频谱模型,并用基于BP神经网络的预测算法预测疑似跳转信道,为衡量预测效果,提出了预测切准率和预测精度两个参考标准,仿真结果验证了该算法的可行性。     

非合作辐射源识别技术发展动态分析

随着电磁环境愈发复杂，在非合作条件下，接收方对辐射源信号的识别与分析是获取电子情报的重要手段。辐射源识别是利用侦察设备截获的辐射源信号，提取并分析信号的特征，进而实现对辐射源的分类和类型判断。它是电子对抗领域一个重要的研究方向，在无线电安全和频谱资源管控等方面具有重要的意义和广阔的应用前景。本文在分析国内外大量文献的基础上，首先说明了辐射源识别的主要特点，其次归纳了辐射源识别的类型，接着将目前辐射源识别的主要方法进行分类，并分析了辐射源识别的现状，随后分类梳理了辐射源数据集，最后分析了辐射源识别未来可能的发展趋势。