干扰识别
干扰识别的相关文献在1994年到2022年内共计203篇,主要集中在无线电电子学、电信技术、地球物理学、自动化技术、计算机技术
等领域,其中期刊论文130篇、会议论文10篇、专利文献296560篇;相关期刊78种,包括防灾减灾学报、四川地震、地震地磁观测与研究等;
相关会议10种,包括第八届炼油与石化工业技术进展交流会、中国工程院第二届”空间信息技术与应用展望“院士论坛暨2014年空间电子学学术年会、2014年湖南省地质学会学术年会等;干扰识别的相关文献由562位作者贡献,包括阮怀林、唐斌、王国宏等。
干扰识别—发文量
专利文献>
论文:296560篇
占比:99.95%
总计:296700篇
干扰识别
-研究学者
- 阮怀林
- 唐斌
- 王国宏
- 孙殿星
- 孙闽红
- 张冬晨
- 杨兴宇
- 田晓
- 何明浩
- 张杭
- 李杰然
- 李行政
- 杨少奇
- 王冰切
- 田波
- 蒋莹
- 贾鑫
- 郁春来
- 陈豪
- A.内贾蒂安
- K.孙德贝里
- 万坚
- 仇兆炀
- 任磊
- 何勇
- 何国华
- 何首生
- 全英汇
- 刘亚梅
- 刘仕锦
- 刘宏嘉
- 刘盛全
- 卢刚
- 叶学义
- 吕刚明
- 吴昊
- 吴耀君
- 周吉
- 周红平
- 姜明
- 孙婵骏
- 孟亚魁
- 孟伟
- 孟藏珍
- 安康
- 宋心刚
- 宋英杰
- 官德力
- 岳克强
- 布刚刚
-
-
汪汀岚;
李行政;
左怡民;
张冬晨
-
-
摘要:
大气波导效应会导致时分系统产生超远距离干扰,造成严重的网络质量劣化问题。首先,通过系统性的原理分析对5G大气波导干扰成因进行详细分析;然后,通过大量干扰数据对5G受大气波导干扰小区的特征进行研究,提出了5G大气波导干扰波形识别算法;最后,从时域、频率、空域、参数配置等方面提出了大气波导受干扰小区的规避调整方法,降低大气波导干扰影响,保障5G网络质量。
-
-
魏迪;
曾海彬;
洪锋;
马松;
袁田
-
-
摘要:
针对现有通信干扰信号识别方法识别效果不佳的问题,提出了一种基于长短时记忆网络(Long Short-Term Memory,LSTM)和特征融合的通信干扰识别方法。该方法利用LSTM网络提取干扰信号的特征,通过LSTM强大的序列特征提取能力提升干扰信号特征提取的性能;通过提取信号的时域和频域特征后进行特征融合,使用全连接分类器对干扰信号进行分类识别,提升特征提取的完整性和干扰识别的性能。仿真表明,所提方法的干扰识别性能相比于现有的基于卷积神经网络的干扰识别方法提升了6 dB,可用于通信干扰信号类型的识别。
-
-
杨岚;
肖海涛;
张渭乐
-
-
摘要:
近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提。基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题。本文针对上述问题,引入了并行多路多尺度卷积,通过增加网络宽度、提升网络识别速度和精度,解决前期特征提取繁杂的问题;结合频带相关性长短时记忆网络(LSTM)创新性地提出了基于LSTM的频带相关性无线通信干扰智能识别网络,该方法利用LSTM探知干扰信号频带相关性,提升低干噪比下的干扰识别正确率。通过仿真证明了多尺度并行卷积比普通卷积网络更稳定,识别速度和泛化性更佳,该网络提升了低干噪比下的识别正确率,平均识别正确率达99.86%。可见,本文所提的网络模型是解决复杂电磁环境下的智能干扰识别的一种有效可用模型。
-
-
李杰然
-
-
摘要:
灵巧噪声干扰因兼有欺骗干扰和噪声干扰的特点,已成为1种干扰新体制雷达的有效样式,干扰识别也成为电子战领域研究的热点课题。针对卷积调制、数字多时延和间歇采样转发3种灵巧噪声干扰识别问题,通过分析干扰信号的产生机理和频谱特性,提出了1种基于盒维数特征的干扰识别方法。采用支持向量机进行分类识别,仿真验证了该方法具有较高的识别率。
-
-
周红平;
王子伟;
郭忠义
-
-
摘要:
在当代电子战中,电子干扰与抗干扰的较量愈演愈烈。开展针对雷达有源干扰的识别算法已经成为雷达对抗领域研究的热点,具有重大的战略意义。本文针对雷达有源干扰识别算法进行整体分析,总结了目前国内外干扰识别手段的一般流程。首先对常见雷达干扰的种类进行划分,详细介绍目前常见的雷达有源干扰信号的干扰机理和信号模型,然后从特征提取手段和分类器的设计两个角度出发全面地梳理干扰识别算法流程。最后针对雷达有源干扰识别算法未来的发展方向做出了展望。
-
-
施育鑫;
安康;
李玉生
-
-
摘要:
干扰识别是通信抗干扰过程的前置环节,为抗干扰决策和波形选择提供关键的先验知识,是抗干扰成功与否的关键步骤。在复杂的电磁条件下,对干扰信号进行大量标记往往是困难的,并且对干扰识别的实时性要求很高。针对上述问题,研究了一种基于数据增强的小样本干扰信号识别技术,以解决小样本条件下分类器训练过程的欠拟合问题。小样本条件下,在正态贝叶斯分类器和朴素贝叶斯分类器训练过程中,分别设计了两种数据增强方法增加训练样本以提高分类器性能。仿真结果表明,采用数据增强的干扰识别技术能够显著提高小样本条件下干扰识别的准确率。
-
-
王奇伟;
孙闽红;
简志华;
仇兆炀
-
-
摘要:
现有雷达欺骗干扰识别研究中,存在难以获取带标签样本的问题,为此,提出一种基于多模态小样本学习的雷达欺骗干扰识别算法。首先,对雷达接收信号进行“语音”和“视觉”模态的定义;然后用伪孪生网络将信号的2种模态进行匹配训练;最后,将测试集的信号样本与匹配集进行匹配识别,得到最终的雷达欺骗干扰信号识别率。仿真实验表明,训练样本数量降低到原始样本集的25%,干噪比为3 dB时,本文算法的欺骗干扰信号识别率仍能达到90%以上。
-
-
沈钧仁;
李玉生;
施育鑫;
安康
-
-
摘要:
通信抗干扰是复杂电磁环境下无线通信生存能力的核心问题,而干扰识别是通信抗干扰的重要前置环节。目前的干扰识别大多采用单节点进行干扰识别,而单节点干扰识别容易受到信道环境影响导致性能下降。针对无线通信网络在低干信比条件下单节点干扰正确识别率较低等问题,提出了一种基于深度卷积神经网络的多节点协同干扰识别方法,并设计了基于中心判决和基于硬判决的两种干扰识别算法。仿真结果表明,采用多节点协同干扰识别方法能够显著提升无线通信网络在低干信比条件下的干扰正确识别率,且基于硬判决的方法较基于中心判决的方法有更好的性能。
-
-
王鹏宇;
程郁凡;
徐昊;
尚高阳
-
-
摘要:
干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取(Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE)的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比(Jamming-to-Noise Ratio,JNR)≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取(Automatic Feature Extractionbased Convolutional Neural Network,AFE-CNN)算法;与传统的人工特征提取的深度神经网络(Manual Feature Extraction-based Deep Neural Network,MFE-DNN)相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。
-
-
马键;
张广晋;
张磊;
戴经纬
-
-
摘要:
现网运维人力成本高、效率低,如何快速精准识别网络干扰类型、提高运维人员工作效率,成为亟待解决的问题。提出一种基于改进深度残差网络(Res Net)的智能干扰识别方法,通过对接运营商北向网管的通信干扰数据接口,对干扰数据进行采集和预处理,并结合现网专家经验对历史干扰数据类型进行标注和校正,形成离线干扰数据集。再将干扰频域信息进行图像化生成干扰频谱波形图,并针对不同干扰类型进行图像处理和数据处理。之后根据业务特点对传统ResNet算法进行改进,通过提取单一干扰类型特征,确定各特征在复合干扰类型中的权重,达到对任意干扰类型识别的目的。最后通过导入已训练好的模型对干扰数据进行在线识别,有效提高干扰识别的准确率和效率。
-
-
顾达炜
- 《第八届炼油与石化工业技术进展交流会》
| 2017年
-
摘要:
介绍红外成像技术在变电站检测中的原理,设备检测过程中如何发现问题,如何判断干扰、排除干扰,并通过红外成像发现制氢1#变压器低压桩头发热和15B2变压器B相低压连接瓷瓶发热的事例,分析干扰识别对于红外成像技术在变电站检测中的重要性.
-
-
-
-
- 《中国石油学会2008年物探技术研讨会》
| 2008年
-
摘要:
在野外地震数据采集过程中,如果地震测线上有高压输电线通过时,在地震记录中就存在一个50Hz左右强单频干扰.这种干扰波在地震记录的整个时间段上具有很强的能量,并且从浅层到深层频率、相位和振幅可能不相同,但是它们的变化不太大,可以认为基本保持不变.采用频率域压制方法很难完全消除这种干扰,仅仅是噪声和信号同时压制一定的倍数,因此并没有改善单频分量频率附近的信噪比.我们在时间域内采用同频率不同振幅正余弦函数的组合来逼近这种单频干扰并从地震记录中减去以实现消除这种单频干扰的目的.单频波正弦函数和余弦函数的振幅使用公式直接计算,单频波频率采用自适应方法估算.本方法的最大优点就是能够有效消除干扰波,而并不伤害干扰波附近有效信号,因此在单频波频率分量附近数据信噪比提高了.通过实际数据的试算,说明了本方法的有效性和可行性。
-
-
马合意;
张杭
- 《2006军事电子信息学术会议》
| 2006年
-
摘要:
本文对受到宽带干扰,多音干扰和部分频带干扰的BPSK信号特征进行了分析,并找出其特征函数,用SVM(支持向量机)建立了干扰信号的识别算法,通过验证,此算法达到了较好的识别效果.
-
-
-
-
-