一种基于深度生成模型的ADS-B信号增强和目标识别方法

作者：戴礼灿; 杨跃鑫; 刘乐源^*; 周帆

来源：科学技术与工程, 2023, 23(12): 5136-5144.

• 自动相关监视广播数据(ADS-B)
• 信号增强
• 非因果扩张卷积
• 信号识别

自动相关监视广播数据(automatic dependent surveillance-broadcast, ADS-B)信号在航空领域通信中占据非常重要的地位，其检测、分析对航空运输安全保障意义重大。ADS-B信号常常带有噪声或干扰，这使得直接解码的准确性受到影响。为了更好地捕捉ADS-B信号的信息提升其准确性，提出了EASTR深度学习模型。所提模型首先使用基于非因果扩张卷积和残差网络结构的方法，对原始含噪ADS-B信号进行降噪与增强；随后，经过降噪处理的信号被转换为星群图像，再利用多层感知机进行分类识别。收集了5 000条来自不同飞机的ADS-B信号数据，在此数据集上将EASTR与其他同类模型进行比较。实验结果表明：不同信噪比下EASTR均在准确率上优于其他模型。通过消融实验验证了数据增强模块的效能。

• 单位
  电子科技大学; 中国电子科技集团公司第十研究所; 中国人民解放军空军航空大学