融合深度学习和栈式自编码算法的异常无线电信号监测方法

• 作者: 刘红杰 申浩 魏小忠
• 来源期刊: 移动通信
• 学科: 工学
• 关键词: 时空特征 栈式自编码网络 聚类分析 自适应门限值技术
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 设计与实现
• 页码范围: 80-85
• 页数: 6页
• 分类号: TN98
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1010.2020.12.015

摘要

针对当前无线电复杂环境下频谱异常快速监测存在大量干扰信息导致精度不高的问题,本文在重构无线电信号时空数据的基础上,采用深度学习的方法提取无线电信号的时空特征;然后,采用栈式自编码网络对无线电信号的时空特征进行稀疏编码再重构;最后,采用聚类算法对重构特征进行聚类,自适应门限值技术获取动态的阈值,并实现异常无线电信号的快速识别.实验表明,融合深度学习和栈式自编码的无线电频谱异常检测算法能够增强异常信号检测模型的自主性,为智能通信系统的分析提供了新的思路.