基于深度学习的无线通信干扰信号识别与处理

练东海

（中国人民解放军78167部队，四川 成都 610500）

0 引 言

随着现代通信技术的不断进步，许多大型无线通信网络正在加快建设，无线通信面临更严重的电磁干扰，其稳定性受到威胁。有效的抗干扰技术必须能够快速准确地识别出干扰信号，从而采取针对性的技术手段消除干扰，确保通信正常[1]。干扰抑制是确保信号可靠的另一个重要手段，通常用于时域、频域以及空域中，但是通信抗干扰技术涉及很多因素，往往同时多种干扰信号并存，而单一干扰抑制算法的适用范围较小，难以有效应对各种干扰信号。由于接收机的复杂性，很难同时采取所有抗干扰措施，另外在对干扰信号进行抑制的同时也会影响正常通信[2]。基于此，找到可以快速精准识别干扰信号的方法，以最小可能的损害有效抑制干扰信号对于提高无线通信方锐抗干扰性能非常重要。

1 基于深度学习的无线通信干扰信号识别框架

基于深度学习的无线通信干扰信号识别框架如图1所示，主要包括获取数据、数据预处理与特征处理以及分类3个步骤。

图1 基于深度学习的无线通信干扰信号识别架构

首先获取所选频率范围和区域的源数据。其次对信号数据进行预处理，再通过深度卷积神经网络（Convolutional Neural Networks，CNN）提取信号数据的特征，预处理后的输入数据格式主要有Fre/Fim、快速傅里叶变换（Fast Fourier Transform，FFT）后的实部和虚部I/Q、星座图、幅度和相位A/Φ以及周期频谱特性[3]。最后通过深度学习算法识别目标信号，以便进行后续的信号处理。……