智能干扰机识别：基于小波表示的学习方法
信号处理
2019-01-29 v1 网络与互联网体系结构
摘要
智能干扰节点可破坏无线网络中发射机与接收机间的通信，并在时频面上留下经典干扰机识别技术无法检测的痕迹。这些痕迹无法通过采用固定分辨率的经典基于傅里叶变换的时频变换（TFT）技术有效识别。受小波变换所提供的自适应分辨率特性启发，本文提出一种干扰机识别方法，其包含一个获取多分辨率图像的预处理步骤，随后使用分类器。我们研究了支持向量机（SVM）与深度卷积神经网络（DCNN）架构作为分类器，以自动提取变换后信号的特征并对其进行分类。考虑了三种不同的干扰攻击：针对完整传输带宽的阻塞干扰、针对同步信号的同步信号干扰攻击，以及针对 LTE 下行传输场景中参考信号的参考信号干扰攻击。所提方法的性能与经典基于傅里叶变换的 TFT 技术进行比较，证明了其在存在智能干扰机时的有效性。
引用
@article{arxiv.1901.09424,
title = {Identification of Smart Jammers: Learning based Approaches Using Wavelet Representation},
author = {Ozan Alp Topal and Selen Gecgel and Ender Mete Eksioglu and Gunes Karabulut Kurt},
journal= {arXiv preprint arXiv:1901.09424},
year = {2019}
}