面向低空无线网络的差分 Transformer 干扰识别
信号处理
2025-08-19 v1
摘要
无线干扰识别，即检测和分类来自非合作设备的电磁干扰，对于由众多极易受电磁干扰影响的无人机终端组成的新兴低空无线网络至关重要。然而，采用深度学习 (DL) 的干扰识别方案易受涉及精心制作的对抗样本的攻击，导致鲁棒性不可避免地下降。为解决这一问题，我们提出了一种用于无线干扰识别的差分 Transformer 框架。首先，我们引入了一个差分 Transformer 网络来区分干扰信号，该网络通过以差分方式执行自注意力操作，克服了传统 Transformer 中的注意力噪声问题。其次，我们提出了一种随机掩码训练策略来提高网络鲁棒性，该策略利用 Transformer 架构固有的分块机制来创建并行的特征提取分支。每个分支对不同的、随机掩码的分块子集进行操作，这从根本上限制了对抗扰动在网络中的传播。此外，通过融合这些不同分支的预测所产生的集成效应，展现了对对抗攻击的卓越韧性。最后，我们引入了一种新颖的一致性训练框架，通过双分支正则化显著增强了对抗鲁棒性。仿真结果表明，我们提出的方法在提升对对抗样本的鲁棒性方面优于现有方法。
引用
@article{arxiv.2508.12320,
title = {Jamming Identification with Differential Transformer for Low-Altitude Wireless Networks},
author = {Pengyu Wang and Zhaocheng Wang and Tianqi Mao and Weijie Yuan and Haijun Zhang and George K. Karagiannidis},
journal= {arXiv preprint arXiv:2508.12320},
year = {2025}
}