典型文献
一种基于深度学习的民航GPS干扰识别方法
文献摘要：
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.
文献关键词：
无线电干扰;主成分分析;特征提取;深度学习;卷积神经网络
中图分类号：
作者姓名：
鲁东生;黄琳;龙华
作者机构：
昆明理工大学,云南 昆明 650100;云南省无线电监测中心,云南 昆明 650100;云南省科学技术院,云南 昆明 650100
文献出处：
引用格式：
[1]鲁东生;黄琳;龙华-.一种基于深度学习的民航GPS干扰识别方法)[J].通信技术,2022(03):330-338
A类：
B类：
民航,GPS,干扰识别,前日,无线电监测,全球定位系统,Global,Positioning,System,识别准确率,频谱监测,限高,高斯噪声,频域,样本特征,Convolutional,Neural,Network,长短期记忆网络,Long,Short,Term,Memory,深度学习网络,小批量,信号干扰,干信比,dB,干扰信号,真实值,无线电干扰
AB值：
0.404181
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。
