[发明专利]一种针对具有未知通信模式电台的干扰策略生成方法有效
申请号: | 202110201452.6 | 申请日: | 2021-02-23 |
公开(公告)号: | CN113055107B | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | 孔繁祥;利强;杨健;邵怀宗;潘晔;林静然 | 申请(专利权)人: | 电子科技大学 |
主分类号: | H04B17/345 | 分类号: | H04B17/345;G06N3/04;G06N3/08 |
代理公司: | 成都正华专利代理事务所(普通合伙) 51229 | 代理人: | 李蕊 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 针对 具有 未知 通信 模式 电台 干扰 策略 生成 方法 | ||
1.一种针对具有未知通信模式电台的干扰策略生成方法,其特征在于,包括以下步骤:
S1、搭建用于生成干扰策略的神经网络模型;
S2、利用已知通信模式的通信信号及对应的已知干扰策略对搭建的神经网络模型进行训练;
S3、将未知通信模式的通信信号输入到训练好的神经网络模型中,获得对应的干扰策略;
所述步骤S1中,神经网络模型的输入为通信信号对应的频带信号S(t),其表示为:
式中,s(t)为通信信号对应的基带调制信号,Re{·}表示取实部,e为自然对数函数的底数,j为虚数单位,π为圆周率,t为时间,fc为载频,且fc∈F,F为频率集合;
所述基带调制信号s(t)为:
式中,Ps为信号的平均功率,且Ps∈(0,Pmax],Pmax为信号的峰值传输功率,m为整数系数,sm为调制符号,且sm∈S,S为星座空间集,T为符合间隔,g(t-mT)为周期实脉冲波形;
神经网络模型的输出为干扰策略wj:
式中,Jj,dj均为决定干扰信号的参数的可能取值,分别表示干扰信号载频、干扰信号调制方式、干扰信号功率及干扰信号占空比,下标j为干扰策略及其对应参数的序号;
所述干扰信号对应的频带信号J(t)为:
所述干扰信号对应的基带调制信号j(t)为:
式中,分别为对应的特定取值,jm为调制符号,jm∈J,J为干扰符号星座集合。
2.根据权利要求1所述的针对具有未知通信模式电台的干扰策略生成方法,其特征在于,所述步骤S1中的神经网络模型包括依次连接的特征提取网络、关系提取网络和干扰策略拟合网络,所述特征提取网络的输出端还与所述干扰策略拟合网络的输入端连接;
所述特征提取网络用于提取输出的通信信号中的信号特征;
所述关系提取网络用于基于提取的信号特征挖掘不同通信信号模式之间的关系;
所述干扰策略拟合网络用于基于提取的信号特征和不同通信信号模式之间的关系,生成对应的干扰策略。
3.根据权利要求2所述的针对具有未知通信模式电台的干扰策略生成方法,其特征在于,所述特征提取网络包括依次连接的三层卷积层及两层全连接层,三层所述卷积层的卷积核数量依次为32、64和128,两层所述全连接层的大小依次为128和64;
所述特征提取网络表示为:
x=φ(s(t),θFEN)
式中,x为特征提取网络从信号s(t)中提取到的特征向量,φ(·)为特征提取网络由输入到输出的映射关系,θFEN为特征提取网络的参数。
4.根据权利要求3所述的针对具有未知通信模式电台的干扰策略生成方法,其特征在于,所述关系提取网络包括依次连接的四层卷积层及一层全连接层,四层所述卷积层的卷积核数量依次为128、128、64和64,所述全连接层的大小为64;
所述关系提取网络的输出为大小为L×L的对称矩阵A,作为构建干扰策略拟合网络的邻接矩阵;
所述关系提取网络表示为:
式中,Aij为关系分值,且为关系分值集合,Ψ(·)为关系提取网络从输入到输出的映射,θREN为关系提取网络的参数,dij为特征向量xi和xj之间的相关向量,且xi,xj∈x,L为特征向量总数;
相关向量dij的第k维表示为:
式中,分别表示特征向量xi和xj的第k维。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110201452.6/1.html,转载请声明来源钻瓜专利网。