首页期刊导航|信号处理
期刊信息/Journal information
信号处理
信号处理

谢维信

月刊

1003-0530

010-64010656;64034443-3004

100009

北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD
正式出版
收录年代

    基于深度学习的无人机检测和识别研究综述

    那振宇程留洋孙鸿晨林彬...
    609-624页
    查看更多>>摘要：近年来,由于在各行各业发挥了不可替代作用,无人机产业和应用得到了迅速发展.然而,无人机的"黑飞"、携带危险物品等事件频繁发生,对社会安全构成了严重威胁.因此,无人机的检测和识别变得尤为迫切和必要.随着无人机类型不断地变化,传统的检测与识别方法已不再适应当前需求.深度学习技术的快速发展为无人机检测与识别提供了一种高效且准确的解决方案.深度学习模型具备自主学习特征的能力,能够从大规模数据中提取高级特征,并且在无人机检测与识别任务中表现出色.该模型不仅能够显著提高准确性,还能够适应各种复杂环境和无人机类型.对此,本文综述了基于深度学习的无人机检测与识别技术的最新进展,主要包括基于深度学习的无人机视觉检测和识别、基于深度学习的无人机音频检测和识别、基于深度学习的无人机雷达检测和识别以及基于深度学习的无人机射频检测和识别.最后,对目前无人机检测和识别现存问题进行分析,并展望了未来研究方向.

    无人机检测和识别深度学习射频

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于决策边界敏感性和小波变换的电磁信号调制智能识别对抗样本检测方法

    徐东伟蒋斌朱慧燕宣琦...
    625-638页
    查看更多>>摘要：深度学习在图像分类和分割、物体检测和追踪、医疗、翻译和语音识别等与人类相关的任务中取得了巨大的成功.它能够处理大量复杂的数据,并自动提取特征进行预测,因此可以更准确地预测结果.随着深度学习模型的不断发展,以及可获得的数据和计算能力的提高,这些应用的准确性不断提升.最近,深度学习也在电磁信号领域得到了广泛应用,例如利用神经网络根据信号的频域和时域特征对其进行分类.但神经网络容易受到对抗样本的干扰,这些对抗样本可以轻易欺骗神经网络,导致分类错误.因此,对抗样本的生成、检测和防护的研究变得尤为重要,这将促进深度学习在电磁信号领域和其他领域的发展.针对现阶段单一的检测方法的有效性不高的问题,提出了基于决策边界敏感性和小波变换重构的对抗样本检测方法.利用了对抗样本与正常样本对模型决策边界的敏感性差异来进行检测,接着针对第一检测阶段中未检测出的对抗样本,本文利用小波变换对样本进行重构,利用样本去噪前后在模型中的预测值差异来进行检测.本文在两种调制信号数据集上进行了实验分析,并与基线检测方法进行对比,此方法更优.这一研究的创新点在于综合考虑了模型决策边界的敏感性和小波变换的重构能力,通过巧妙的组合,提出了一种更为全面、精准的对抗样本检测方法.这为深度学习在电磁信号领域的稳健应用提供了新的思路和方法.

    对抗样本检测小波重构决策边界电磁信号对抗攻击

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于对抗互易点学习的无人机通信干扰开集识别方法

    李佳浩杜子铭周博李婕...
    639-649页
    查看更多>>摘要：无人机通信由于空对地无线信道的开放性,易受到各种有源或无源的物理层干扰,这些干扰会严重影响无人机通信的性能,导致无人机通信质量下降甚至通信中断等问题.因此,为保障无人机在复杂环境下能实现安全可靠的通信,对各类干扰的有效检测和精准识别尤为重要.传统的无人机通信干扰识别方法通常考虑闭集干扰场景的假设,即只能识别训练过程中使用过的干扰模式,而难以有效判断新出现的未知干扰模式.然而,在实际复杂电磁环境中,由于无法事先获知所有可能的干扰模式,无人机通信系统需要同时应对已知和未知的干扰,即面临开集干扰场景.为此,本文提出了一种基于对抗互易点学习的无人机通信干扰开集识别方法.首先设计了基于残差神经网络(ResNet)的对抗互易点学习框架,以从I/Q数据中有效地提取干扰特征,并确保已知和未知干扰类在特征空间中的良好分离.接着,考虑到在不同干信比和不同干扰信号的特征分布的差异性,设计了联合自适应阈值开集分类器,实现对已知和未知干扰模式的准确识别.为验证所提方法的有效性,考虑无人机空对地通信的多种因素,并基于双射线传播模型生成了一个无人机通信干扰数据集.仿真结果表明,所提方法在不同干信比情况下识别性能均优于基线方法,在干信比为10 dB时,达到了88.1%的归一化识别精度,实现了对无人机通信干扰的有效开集识别.

    干扰检测无人机通信开集识别机器学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向无人机辐射源个体识别的域适应模型设计

    查浩然刘畅王巨震林云...
    650-660页
    查看更多>>摘要：近年来,无人机在军用领域和民用领域得到了广泛的应用,给人们带来极大便利的同时也带来了重大的安全挑战,精准识别无人机的需求日益迫切,其中无人机辐射源个体识别方法得到广泛关注和深入研究.基于深度学习的方法因其卓越性能而受到广泛关注,然而这些方法大多依赖于大量独立同分布的训练数据,而在实际应用中,无人机射频数据的采集和标注充满挑战,训练数据和测试数据之间往往存在较大的分布差异.针对无人机射频数据采集和标注困难、训练数据和测试数据分布差异大等现实应用需求,提出了一种面向无人机辐射源个体识别的域适应模型设计方法.采用自助抽样法对无人机数据集进行重采样,增加数据集中的样本多样性.将Transformer编码器与域对抗神经网络结合,使特征在高斯分布下进行优化.引入最大均值差异作为度量方法来减少训练过程中源域和目标域之间的分布差异.基于权重的加权投票法增强模型的泛化性,提高模型适应新环境的能力.实验结果表明,基于3种典型环境,构建6种域适应场景,本文所提的方法识别率高于现有方法约5%.此外,还研究了源域样本数量和目标域样本数量对域适应效果的影响,在目标域含有少量样本时依然可以达到较高的性能,较好地平衡了无人机辐射源个体识别精确度与泛化性、可靠性的需求.

    辐射源个体识别度量学习域对抗神经网络集成学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    无人机自组网中基于优先级和发送概率的低时延MAC协议设计

    王洁王海军张晓瀛赵海涛...
    661-670页
    查看更多>>摘要：媒体接入控制(MAC)协议是满足数据传输质量服务需求的一项关键技术,其性能的优劣直接决定了网络的整体运行效率.相较于其他经典MAC协议,基于统计优先级的多址接入(SPMA)协议采用了多优先级接入、信道检测和流量控制等机制,因此它能更好地满足无人机自组网的低时延、区分服务、大规模组网等重要需求.其中,不同优先级阈值是影响该协议性能的关键指标之一,而现有研究中的阈值设置策略会导致无人机自组网吞吐量波动较大的问题.除此之外,在大规模节点组网的情况下,由于特殊的发送机制,该协议面临数据包冲突加剧的问题.针对以上问题,本文提出了一种新的阈值设置方法和低优先级数据概率性接入信道的方法.在大规模节点网络高业务量的情况下,该改进策略根据新的阈值和周期性负载统计的比较结果决定是否延迟或者拒绝相关数据的接入.与此同时,将SPMA协议的多优先级接入机制和排队论基本原理相结合,通过计算设定发送概率对不同低优先级数据进行接入控制.仿真结果表明,所提方法能够使得无人机自组网的吞吐量保持稳定,并为不同类型业务的差异性服务质量(QoS)需求提供良好支持,提高不同优先级数据的首发传输成功率的同时不会带来较大的额外时延损耗,性能优于现有的SPMA协议.

    无人机自组网差异性QoSSPMA协议阈值设置低优先级数据接入控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向小型载荷的宽带通信信号随机共振检测方法

    李少旋何迪王巍尤明懿...
    671-681页
    查看更多>>摘要：随着人工智能等领域的飞速发展,无人机在各个领域,尤其是现代战争中发挥着越来越重要的作用.无人机凭借其强大的灵活性和高隐蔽性优势,对现代作战具有颠覆性影响.在无人机执行战场侦察、监视、通信、电子干扰、雷达诱骗、激光制导等任务的过程中,及时探测敌方辐射信号尤为重要.随机共振方法利用特定非线性系统可以使输入其中的信号与噪声在一定条件下产生协同作用的特点,将噪声的能量转移到信号中来放大信号,是常用的微弱信号检测方法之一.窄带信号的随机共振检测技术已趋于成熟.而对小型载荷无人机监视、通信等场景下的微弱宽带通信信号,现有随机共振检测方法直接采用窄带信号的时域能量检测方法,并未基于宽带信号特点设计专门的检测方法,低信噪比条件下检测性能受限.为了满足对微弱宽带通信信号的检测要求,本文以常用的宽带通信信号为研究对象,对于单通道接收场景,提出基于宽带信号局部频谱的随机共振信号检测方法,该方法与传统的随机共振信号检测方法相比性能提升约6 dB.其次,对于更低信噪比的情况,提出一种随机共振与互相关检测相结合的双通道协同检测方法,并提出基于随机共振后两路互相关系数最大化的系统参数优化准则.典型场景下的仿真分析表明,对于单通道接收的低信噪比微弱宽带通信信号,局部频谱法可以有效提升检测性能;对于更低信噪比宽带通信信号,采用随机共振处理后的双通道互相关检测可以进一步提升检测性能.

    无人机宽带通信信号随机共振频谱检测互相关

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于自适应流聚类的多站时差协同信号分选方法

    李松炜杨松岩邓志安司伟建...
    682-694页
    查看更多>>摘要：多站时差协同信号分选是解决脉间波形捷变雷达信号分选的有效方法.已有批处理多站时差协同信号分选方法实时性不足,且存在无法有效挖掘雷达脉冲流动态变化特性的问题,该文提出一种基于自适应流聚类的多站时差协同信号分选方法.针对已有流聚类算法在雷达信号样本密度不平衡的情况下存在容易增批分选的问题,提出利用多站时差测量误差估计量对流聚类生成簇进行自适应检测与合并,有效抑制雷达簇增批现象的发生,以解决分选增批的问题.同时,通过利用多站时差测量误差估计量实现在线聚类阈值自适应设置,提高脉冲归属正确雷达簇的概率,减少在线聚类算法迭代次数.使用基于时间衰减窗口模型的未知簇检测,提高聚类概要的更新速度,避免了有效样本数过少而导致的聚类失败,提高了分选算法的环境适应性.仿真结果表明,与现有分选算法相比,面对不平衡复杂脉间波形捷变信号,该算法能够进行抑制增批,有效分选出正确雷达结果;面对多部雷达的出现/失活/复活演化过程,该算法可精准检测并展示动态演化特性;面对多部复杂脉间波形捷变信号,对比已有算法的算法复杂度大幅降低,特别在脉冲样本数密集情况下,能更好的保证分选处理的实时性;面对较大的多站时差测量误差和脉冲丢失率情况下,具有较高的分选正确率.

    电子侦察时差分选自适应流聚类

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    移动物联网通信中的UFMC调制波形优化设计

    闻建刚华惊宇邹园萍盛彬...
    695-705页
    查看更多>>摘要：移动物联网(Internet of Things,IoT)通信是6G的关键技术之一,面对多变的地面基站环境,无人机(Unmanned Aerial Vehicle,UAV)辅助通信被认为是物联网通信的重要组成部分,已受到广泛关注.通用滤波器多载波(Universal Filtered Multi-carrier,UFMC)作为一种新型非正交多载波调制技术,继承了正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)的优势,主要应用在短数据包突发通信场景中,被认为适用于下一代无线物联网通信.但是,在无人机的高速移动环境下,通信信号会遭受显著的多普勒频移影响,产生严重的载波间干扰(Inter Carrier Interference,ICI),导致UFMC系统性能的显著下降.为了缓解ICI问题,本文首先理论分析、推导了存在多普勒频移时UFMC系统的信干噪比(Signal to Interference plus Noise Ratio,SINR).根据SINR分析,可见将UFMC波形滤波器通带波动优化调控的足够小以及加快过渡带衰减有利于提升系统抗ICI能力.因此,本文提出了基于波形滤波器优化设计的干扰抑制方法,构建了符合UFMC通信需求的波形滤波器最优化设计数学模型,该模型可以有效地调控波形滤波器的通带波动,通过遍历搜索可求解得到使系统误符号率(Symbol Error Rate,SER)相对最优的波形滤波器.在考虑多普勒频移的系统仿真中,SER对比结果表明:与采用传统波形滤波器的UFMC系统相比,本文根据约束最小最大(Constraint Minimax,CMM)准则遍历搜索设计的波形滤波器可以有效地抑制系统ICI从而改善SER.这为未来移动物联网通信系统的波形设计提供了参考.

    物联网通用滤波多载波多普勒频移滤波器误符号率

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于收缩自编码器的无人机GPS欺骗攻击协同检测方法

    佘丁辰王威王加琪晋本周...
    706-718页
    查看更多>>摘要：GPS欺骗攻击是一种通过改变GPS信号来诱导接收机导航系统的恶意攻击,它会使无人机产生偏离运行轨迹、飞入禁飞区、强制降落等异常行为.当前对GPS欺骗攻击的检测仍存在模型训练效率较低、检测性能不高等问题,基于此,本文提出了一种无人机GPS欺骗攻击协同检测方法.该方法采用联邦学习框架,多个基站通过本地接收的无人机运行数据协同训练异常检测模型并计算异常检测阈值,进而检测无人机是否存在GPS欺骗攻击.此外,为了防止在联邦学习过程中不同基站本地训练数据分布差异过大导致模型训练效果降低的问题,本文采用收缩自编码器作为异常检测模型.与自编码器相比,收缩自编码器通过在损失函数中加入新的损失项,将训练数据样本的低维表示压缩到更小的范围内,从而使模型在训练过程中能够更好地学习训练数据样本的低维特征,提高了模型区分正常数据和异常数据的能力.基于公开数据集的实验结果表明,本文提出的方法对无人机GPS欺骗攻击的准确率、查准率和召回率分别达到了96.49%、96.03%和93.85%,比原始的自编码器提高了1.63%、0.8%和4.62%,且与采用集中式学习框架相比,本文提出的协同检测方法能够显著提高模型的训练效率.同时,本文提出的联邦学习收缩自编码器受平衡系数改变的影响最小,在异常检测阈值计算不准确的情况下仍然能够达到较好的检测结果.

    无人机GPS欺骗攻击联邦学习收缩自编码器协同检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于流量感知的无线接入网智能切片资源分配方法研究

    赵晨张铖黄永明
    719-732页
    查看更多>>摘要：为保障业务服务等级协议(Service Level Agreements,SLA)需求,使不同应用间差异化的服务质量需求同时得到良好满足,无线接入网(Radio Access Network,RAN)的动态网络资源配置十分关键.本文针对网络流量波动、网络状态快速变化的场景,提出一种结合时间序列预测和深度强化学习的智能化带宽分配策略,通过合理利用长短期记忆(Long Short-Term Memory,LSTM)网络和Dueling深度Q网络(Dueling Deep Q Network,Dueling DQN)以最大限度提高无线接入网切片的频谱效率和SLA满意度.通过使用LSTM网络对切片中数据流量进行预测,可以将深度强化学习算法的计算周期与实际切片配置周期有效解耦.同时为了在保障LSTM性能的同时降低其计算复杂度,以适应RAN中有限的计算资源,本文采用控制神经元连接比例的随机连接长短期记忆(Randomly Connected LSTM,RCLSTM)网络.此外,Dueling DQN与传统DQN相比,能够提高切片策略学习过程的Q值估计精度,以提升收敛速度.仿真结果表明:与原始DQN、优势Actor-Critic(Advantage Actor Critic,A2C)和硬切片方法相比,所提RCLSTM-Dueling DQN方案可以通过提前感知网络性能变化,有效降低网络环境波动对密集流量场景下无线切片资源管理的影响,在具有三种不同流量波动模式及服务质量需求的RAN切片场景中,可以获得收敛速度、频谱效率和切片SLA满意率的明显提升.同时,10%连接比例的RCLSTM网络能在保持极低性能损失的前提下,将原始LSTM的计算时间降低约11%.

    无线接入网络切片动态资源分配时间序列预测深度强化学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据