系统工程与电子技术

作者：康颖, 赵治华, 吴灏, 李亚星, 孟进

单位：1. 海军工程大学军用电气科学与技术研究所, 湖北 武汉 430033；2. 海军工程大学舰船综合电力技术国防科技重点实验室, 湖北 武汉 430033

关键词：异常检测,Deep SVDD,调制识别,干扰预警

基金：国家杰出青年科学基金(52025072);国家自然科学基金(61801502);国家自然科学基金(61801501);国家自然科学基金(62001497);国防科技重点实验室稳定支持项目(6142217200105);湖北省自然科学基金(ZRMS202001331);海军工程大学发展基金(425317S126)

针对复杂电子对抗场景中的非理想信道环境, 该文提出了一种基于深度学习的异常检测(anomaly detection, AD)方法。首先, 分析了利用时频同相/正交(in-phase/quadrature, I/Q)采样数据进行AD的可行性; 然后, 设计了深度学习网络架构, 并提出基于深度支持向量描述(deep support vector data description, Deep SVDD)和调制识别的AD方法。仿真及实验结果表明: 相比于经典的单分类检测算法, 该方法检测性能和实时性明显提升, 且在非理想信道环境下表现鲁棒。该方法已在某型号项目原理样机上得到验证, 具有很高应用价值。

来源：2022年第7期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第7期