一种基于深度学习的民航GPS干扰识别方法

作者：鲁东生; 黄琳; 龙华^*

来源：通信技术, 2022, 55(03): 330-338.

• 无线电干扰
• 主成分分析
• 特征提取
• 深度学习
• 卷积神经网络

针对当前日常无线电监测中对民航全球定位系统（Global Positioning System,GPS）的干扰识别准确率不高、排查效率低等问题,提出了一种基于深度学习的民航GPS干扰识别方法。该方法基于频谱监测数据，利用带限高斯噪声等典型GPS干扰的时/频域数据差异，提取样本特征，采用主成分分析降维，经由卷积神经网络（Convolutional Neural Network,CNN）+长短期记忆网络（Long Short-Term Memory,LSTM）的深度学习网络进行干扰识别，选取适当的最小批量化长度，兼顾数据处理的速度与准确率。经仿真实验，强信号干扰的识别准确率为0.883 3，干信比介于-3～3 dB的干扰信号平均识别准确率为0.915 5，识别结果与真实值几乎一致。

• 单位
  云南省无线电监测中心; 昆明理工大学; 云南省科学技术院