一种基于深度学习的民航GPS干扰识别方法

• 作者: 鲁东生 黄琳 龙华
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 无线电干扰 主成分分析 特征提取 深度学习 卷积神经网络
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 网络与系统|Network & System
• 页码范围: 330-338
• 页数: 9页
• 分类号: TN98
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2022.03.010

摘要

针对当前日常无线电监测中对民航全球定位系统(Global Positioning System,GPS)的干扰识别准确率不高、排查效率低等问题,提出了一种基于深度学习的民航GPS干扰识别方法.该方法基于频谱监测数据,利用带限高斯噪声等典型GPS干扰的时/频域数据差异,提取样本特征,采用主成分分析降维,经由卷积神经网络(Convolutional Neural Network,CNN)+长短期记忆网络(Long Short-Term Memory,LSTM)的深度学习网络进行干扰识别,选取适当的最小批量化长度,兼顾数据处理的速度与准确率.经仿真实验,强信号干扰的识别准确率为0.8833,干信比介于-3～3 dB的干扰信号平均识别准确率为0.9155,识别结果与真实值几乎一致.