利用改進(jìn)型AlexNet的ADS-B欺騙式干擾檢測(cè)
發(fā)布時(shí)間:2021-07-24 10:21
廣播式自動(dòng)相關(guān)監(jiān)視(ADS-B)是一種新的空管監(jiān)視技術(shù),遵循著"空地一體化"和"全球可互用"的指導(dǎo)原則,實(shí)現(xiàn)了航跡信息共享。但其開(kāi)放式的架構(gòu)特點(diǎn),使其極易受到各類(lèi)欺騙式的干擾,嚴(yán)重威脅空中交通安全。本文針對(duì)真實(shí)ADS-B信號(hào)的多普勒頻偏變化規(guī)律與報(bào)告位置的變化規(guī)律相符合的特點(diǎn),結(jié)合以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)方法,提出利用改進(jìn)型的AlexNet提取特征并檢測(cè)欺騙干擾。本方法對(duì)比傳統(tǒng)的信號(hào)處理方法,減少了計(jì)算復(fù)雜度,提高了識(shí)別準(zhǔn)確率,特別是在航跡長(zhǎng)度較短時(shí)優(yōu)勢(shì)更加明顯。仿真實(shí)驗(yàn)驗(yàn)證了方法的有效性。
【文章來(lái)源】:信號(hào)處理. 2020,36(05)北大核心CSCD
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
欺騙場(chǎng)景示意圖
本文算法流程如圖2所示。假設(shè)ADS-B接收機(jī)在n秒內(nèi)持續(xù)接收到來(lái)自同一目標(biāo)的ADS-B信號(hào),共包含2n條位置消息,2n條速度消息以及2n條事件驅(qū)動(dòng)消息,則第i秒的消息集合記為:
AlexNet網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。整個(gè)網(wǎng)絡(luò)包含5層卷積層和3層全連接層,其中卷積層主要由卷積模塊、激活函數(shù)模塊、池化模塊和局部響應(yīng)歸一化(Local Response Normalization,LRN)模塊組成,最后一層是利用Softmax函數(shù)進(jìn)行分類(lèi)的1000分類(lèi)輸出層。相較于全連接網(wǎng)絡(luò),卷積網(wǎng)絡(luò)的優(yōu)勢(shì)在于其采用了特定的結(jié)構(gòu)利用更少的參數(shù)得到更高的識(shí)別準(zhǔn)確率,而相較于傳統(tǒng)的卷積網(wǎng)絡(luò),AlexNet的激活函數(shù)采用的是線(xiàn)性整流函數(shù)(Rectified Linear Unit, ReLU),此函數(shù)引入了一定的稀疏性,減少了參數(shù)之間的相互依存關(guān)系,從而緩解了過(guò)擬合現(xiàn)象,并且由于其求導(dǎo)簡(jiǎn)單,簡(jiǎn)化了計(jì)算,從而提高了訓(xùn)練速度。另外還采用了數(shù)據(jù)增益與Dropout技術(shù),同樣緩解了過(guò)擬合現(xiàn)象[18-19]。
【參考文獻(xiàn)】:
期刊論文
[1]特征選擇與深度學(xué)習(xí)相結(jié)合的極化SAR圖像分類(lèi)[J]. 韓萍,孫丹丹. 信號(hào)處理. 2019(06)
[2]利用雙天線(xiàn)相位差的ADS-B欺騙式干擾檢測(cè)方法[J]. 王文益,李文靜,盧丹,王璐,賈瓊瓊,吳仁彪. 信號(hào)處理. 2019(02)
[3]采用改進(jìn)型AlexNet的輻射源目標(biāo)個(gè)體識(shí)別方法[J]. 徐雄. 電訊技術(shù). 2018(06)
[4]利用多普勒效應(yīng)的ADS-B欺騙式干擾檢測(cè)方法[J]. 陳蕾,吳仁彪,盧丹. 信號(hào)處理. 2018(06)
[5]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉. 計(jì)算機(jī)研究與發(fā)展. 2013(09)
本文編號(hào):3300467
【文章來(lái)源】:信號(hào)處理. 2020,36(05)北大核心CSCD
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
欺騙場(chǎng)景示意圖
本文算法流程如圖2所示。假設(shè)ADS-B接收機(jī)在n秒內(nèi)持續(xù)接收到來(lái)自同一目標(biāo)的ADS-B信號(hào),共包含2n條位置消息,2n條速度消息以及2n條事件驅(qū)動(dòng)消息,則第i秒的消息集合記為:
AlexNet網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。整個(gè)網(wǎng)絡(luò)包含5層卷積層和3層全連接層,其中卷積層主要由卷積模塊、激活函數(shù)模塊、池化模塊和局部響應(yīng)歸一化(Local Response Normalization,LRN)模塊組成,最后一層是利用Softmax函數(shù)進(jìn)行分類(lèi)的1000分類(lèi)輸出層。相較于全連接網(wǎng)絡(luò),卷積網(wǎng)絡(luò)的優(yōu)勢(shì)在于其采用了特定的結(jié)構(gòu)利用更少的參數(shù)得到更高的識(shí)別準(zhǔn)確率,而相較于傳統(tǒng)的卷積網(wǎng)絡(luò),AlexNet的激活函數(shù)采用的是線(xiàn)性整流函數(shù)(Rectified Linear Unit, ReLU),此函數(shù)引入了一定的稀疏性,減少了參數(shù)之間的相互依存關(guān)系,從而緩解了過(guò)擬合現(xiàn)象,并且由于其求導(dǎo)簡(jiǎn)單,簡(jiǎn)化了計(jì)算,從而提高了訓(xùn)練速度。另外還采用了數(shù)據(jù)增益與Dropout技術(shù),同樣緩解了過(guò)擬合現(xiàn)象[18-19]。
【參考文獻(xiàn)】:
期刊論文
[1]特征選擇與深度學(xué)習(xí)相結(jié)合的極化SAR圖像分類(lèi)[J]. 韓萍,孫丹丹. 信號(hào)處理. 2019(06)
[2]利用雙天線(xiàn)相位差的ADS-B欺騙式干擾檢測(cè)方法[J]. 王文益,李文靜,盧丹,王璐,賈瓊瓊,吳仁彪. 信號(hào)處理. 2019(02)
[3]采用改進(jìn)型AlexNet的輻射源目標(biāo)個(gè)體識(shí)別方法[J]. 徐雄. 電訊技術(shù). 2018(06)
[4]利用多普勒效應(yīng)的ADS-B欺騙式干擾檢測(cè)方法[J]. 陳蕾,吳仁彪,盧丹. 信號(hào)處理. 2018(06)
[5]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉. 計(jì)算機(jī)研究與發(fā)展. 2013(09)
本文編號(hào):3300467
本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/3300467.html
最近更新
教材專(zhuān)著