典型文献
数据驱动的ADS-B干扰源信号类型识别
文献摘要：
传统干扰源信号类型识别方法在提取干扰信号的细微特征时,存在干扰信号调制类型分类精度低、识别效果差等缺点.对此,本文提出一种基于深度神经网络的ADS-B干扰信号调制类型识别算法.首先将ADS-B信号和干扰波形进行叠加混合,通过控制矢量信号发生器(VSG)进行仿真信号发射,并在接收端进行采集;接着对接收的基带I、Q数据进行人为添加随机噪声,并据此构造各种信噪比场景下的张量训练样本数据集;最后,利用训练样本数据对本文设计的神经网络进行训练,并在样本数据集上将传统分类算法和本文所提出的神经网络算法两者的识别性能进行对比分析.实验结果表明本文所提的神经网络算法相比于现有的传统识别算法,具有更好的识别性能.
文献关键词：
深度学习;ADS-B;信号类型识别;卷积神经网络;残差神经网络
中图分类号：
作者姓名：
胡焱;卓书龙;司成可
作者机构：
中国民用航空飞行学院航空工程学院,四川 广汉 618300
文献出处：
引用格式：
[1]胡焱;卓书龙;司成可-.数据驱动的ADS-B干扰源信号类型识别)[J].计算机与现代化,2022(02):19-25
A类：
信号类型识别
B类：
ADS,干扰源,源信号,干扰信号,细微特征,分类精度,深度神经网络,信号调制类型识别,识别算法,干扰波,矢量信号发生器,VSG,信号发射,接收端,基带,随机噪声,张量,训练样本,样本数据集,上将,传统分类算法,神经网络算法,识别性,残差神经网络
AB值：
0.282696
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。
