廣播式自動相關(guān)監(jiān)視（ADS-B）是一種新的空管監(jiān)視技術(shù),遵循著"空地一體化"和"全球可互用"的指導原則,實現(xiàn)了航跡信息共享。但其開放式的架構(gòu)特點,使其極易受到各類欺騙式的干擾,嚴重威脅空中交通安全。本文針對真實ADS-B信號的多普勒頻偏變化規(guī)律與報告位置的變化規(guī)律相符合的特點,結(jié)合以深度學習為代表的機器學習方法,提出利用改進型的AlexNet提取特征并檢測欺騙干擾。本方法對比傳統(tǒng)的信號處理方法,減少了計算復雜度,提高了識別準確率,特別是在航跡長度較短時優(yōu)勢更加明顯。仿真實驗驗證了方法的有效性。 

【文章來源】：信號處理. 2020,36(05)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

欺騙場景示意圖

本文算法流程如圖2所示。假設ADS-B接收機在n秒內(nèi)持續(xù)接收到來自同一目標的ADS-B信號,共包含2n條位置消息,2n條速度消息以及2n條事件驅(qū)動消息,則第i秒的消息集合記為:

AlexNet網(wǎng)絡結(jié)構(gòu)如圖3所示。整個網(wǎng)絡包含5層卷積層和3層全連接層,其中卷積層主要由卷積模塊、激活函數(shù)模塊、池化模塊和局部響應歸一化(Local Response Normalization,LRN)模塊組成,最后一層是利用Softmax函數(shù)進行分類的1000分類輸出層。相較于全連接網(wǎng)絡,卷積網(wǎng)絡的優(yōu)勢在于其采用了特定的結(jié)構(gòu)利用更少的參數(shù)得到更高的識別準確率,而相較于傳統(tǒng)的卷積網(wǎng)絡,AlexNet的激活函數(shù)采用的是線性整流函數(shù)(Rectified Linear Unit, ReLU),此函數(shù)引入了一定的稀疏性,減少了參數(shù)之間的相互依存關(guān)系,從而緩解了過擬合現(xiàn)象,并且由于其求導簡單,簡化了計算,從而提高了訓練速度。另外還采用了數(shù)據(jù)增益與Dropout技術(shù),同樣緩解了過擬合現(xiàn)象[18-19]。

【參考文獻】：
期刊論文
[1]特征選擇與深度學習相結(jié)合的極化SAR圖像分類[J]. 韓萍,孫丹丹.  信號處理. 2019(06)
[2]利用雙天線相位差的ADS-B欺騙式干擾檢測方法[J]. 王文益,李文靜,盧丹,王璐,賈瓊瓊,吳仁彪.  信號處理. 2019(02)
[3]采用改進型AlexNet的輻射源目標個體識別方法[J]. 徐雄.  電訊技術(shù). 2018(06)
[4]利用多普勒效應的ADS-B欺騙式干擾檢測方法[J]. 陳蕾,吳仁彪,盧丹.  信號處理. 2018(06)
[5]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)



本文編號：3300467