发射无线电波的电子设备激增导致射频 (RF) 频谱拥塞。这对美国防部(DOD)的环境构成了重大威胁,尤其是严重依赖卫星系统的海军通信,因为卫星系统很容易受到电磁干扰。缺乏足够的干扰识别和鉴定能力进一步加剧了海军部队面临的作战风险。本论文研究利用机器学习(ML)技术检测射频传输中的干扰。凭借先进的数据分析和模式识别能力,ML 算法可增强干扰检测和缓解能力。研究人员评估了基本自动编码器和长短期记忆(LSTM)自动编码器这两种架构识别数据集中异常射频数据的能力。研究方法包括在基本传输路径中生成具有不同加性白高斯噪声(AWGN)水平的射频数据。使用正常射频数据训练 ML 模型,并评估其检测和分类有干扰和无干扰信号的能力。结果表明,基本自动编码器和 LSTM 自动编码器模型都能有效识别干扰。LSTM 自编码器的成功率约为 99%,这表明它们有望成为解决干扰识别能力差距的解决方案。

成为VIP会员查看完整内容
33

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《水下环境中的主动隐身:数值研究》50页最新论文
专知会员服务
26+阅读 · 2023年8月31日
《利用深度学习进行目标姿态估计》2023最新63页论文
专知会员服务
42+阅读 · 2023年8月29日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
44+阅读 · 2009年12月31日
A Survey of Large Language Models
Arxiv
332+阅读 · 2023年3月31日
VIP会员
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
44+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员