ACSNet：用于复合型 GNSS 干扰信号分类的深度神经网络
信号处理
2025-04-16 v1
摘要
在全球导航卫星系统 (GNSS) 中，识别不仅是单一干扰信号，更是复合干扰信号对于确保可靠的导航与定位至关重要，尤其是在未来的空间-空地一体化网络 (SAGIN) 场景中。然而，传统技术在识别低干扰比 (JNR) 条件下的识别精度和计算复杂度方面往往难以满足需求。为克服准确识别 GNSS 信号中嵌入的复合干扰信号的挑战，我们提出了 ACSNet，这是一种专为此目的设计的新型卷积神经网络。不同于传统方法在低 JNR 环境下表现较差、计算需求更高，ACSNet 通过集成非对称卷积模块来增强其对细微信号变异的敏感性。仿真结果表明，ACSNet 在低 JNR 区域显著提升了识别精度，对功率比 (PR) 变动表现出稳健的鲁棒性，确认了其在实际 GNSS 干扰管理应用中的有效性与效率。
引用
@article{arxiv.2504.10806,
title = {ACSNet: A Deep Neural Network for Compound GNSS Jamming Signal Classification},
author = {Min Jiang and Ziqiang Ye and Yue Xiao and Yulan Gao and Ming Xiao and Dusit Niyato},
journal= {arXiv preprint arXiv:2504.10806},
year = {2025}
}