使用频谱图与监督及无监督学习检测5G信号干扰器
信号处理
2024-05-20 v1
摘要
蜂窝网络是干扰攻击的潜在目标，以破坏无线通信。由于第五代（5G）蜂窝网络支持关键任务应用，如自动驾驶或智能制造，由此产生的故障可能造成严重损害。本文提出通过在线分类频谱图来检测宽带干扰器。这些频谱图是从5G无线电信号的同相和正交（IQ）样本流计算得出的。我们通过实验获得这些信号，并描述如何设计合适的训练数据集。基于这些数据，我们比较了两种分类方法：基于基本卷积神经网络（CNN）的监督学习模型和基于卷积自编码器（CAE）的无监督学习模型。在比较这些模型的结构后，根据准确性和计算复杂度评估其性能。
引用
@article{arxiv.2405.10331,
title = {Detecting 5G Signal Jammers Using Spectrograms with Supervised and Unsupervised Learning},
author = {Matteo Varotto and Stefan Valentin and Stefano Tomasin},
journal= {arXiv preprint arXiv:2405.10331},
year = {2024}
}