典型文献
融合深度特征的电磁频谱异常检测算法
文献摘要：
针对电磁频谱异常检测效率不高等问题,该文结合卷积神经网络(Convolutional Neural Networks,CNN)以及长短时记忆神经(Long Short-Term Memory,LSTM)网络,提出一种融合深度特征的电磁频谱异常检测算法.首先构建深度特征提取网络,该网络包含能够分级提取深度特征的两路多层CNN以及LSTM;其次通过池化、合并等操作将网络模型提取的各级深度特征进行融合,实现频谱数据预测;最后计算预测数据与真实数据的均方误差,判别频谱异常.该算法能在无监督学习的条件下,实现多种类异常状态检测的.在公开频谱数据的多个频段对算法性能进行验证,结果表明本文算法能够有效地实现电磁频谱异常检测.
文献关键词：
深度学习;异常检测;频谱预测;特征融合
中图分类号：
作者姓名：
彭闯;王伦文;胡炜林
作者机构：
国防科技大学电子对抗学院,安徽合肥230037
文献出处：
引用格式：
[1]彭闯;王伦文;胡炜林-.融合深度特征的电磁频谱异常检测算法)[J].电子学报,2022(06):1359-1369
A类：
B类：
电磁频谱,异常检测,检测算法,检测效率,效率不高,Convolutional,Neural,Networks,长短时记忆,Long,Short,Term,Memory,深度特征提取,特征提取网络,分级提取,两路,池化,频谱数据,数据预测,预测数据,真实数据,均方误差,无监督学习,异常状态,状态检测,频段,算法性能,频谱预测,特征融合
AB值：
0.396415
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
