利用大规模MIMO接收阵列推断无人机辐射源数量的机器学习方法
信号处理
2023-03-13 v3
摘要
为了为未来无线网络中无人机辐射源的DOA估计提供重要的先验知识，我们提出了一个完整的DOA预处理系统，用于通过大规模MIMO接收阵列推断辐射源数量。首先，为了消除噪声信号，我们提出了两种高精度信号检测器：最大特征值乘以最小特征值的平方根（SR-MME）和几何平均（GM）。与其他检测器相比，SR-MME和GM能在保持极低虚警概率的同时实现高检测概率。其次，如果检测器确定了辐射源的存在，我们需要进一步确认其数量。因此，我们对样本协方差矩阵的特征值序列进行特征提取以构建特征向量，并创新性地提出了一种多层神经网络（ML-NN）。此外，还设计了支持向量机（SVM）和朴素贝叶斯分类器（NBC）。仿真结果表明，基于机器学习的方法，特别是神经网络，在信号分类中能取得良好效果，借助大规模MIMO接收阵列，其分类准确率始终能保持在70%以上。最后，我们分析了经典的信号分类方法：Akaike信息准则（AIC）和最小描述长度（MDL）。结论是，这两种方法不适用于大规模MIMO阵列场景，并且其性能远逊于基于机器学习的分类器。
引用
@article{arxiv.2203.00917,
title = {Machine Learning Methods for Inferring the Number of UAV Emitters via Massive MIMO Receive Array},
author = {Yifan Li and Feng Shu and Jinsong Hu and Shihao Yan and Haiwei Song and Weiqiang Zhu and Da Tian and Yaoliang Song and Jiangzhou Wang},
journal= {arXiv preprint arXiv:2203.00917},
year = {2023}
}