基于卷积神经网络的多标签无线干扰识别
计算机视觉与模式识别
2018-04-13 v1
摘要
免授权频段的持续广泛使用需要可靠的共存管理，因此需要恰当的无线干扰识别（WII）。本工作中，我们提出一种基于深度卷积神经网络（CNN）的 WII 方法，该方法在存在被利用信号的情况下，对多个 IEEE 802.15.1、IEEE 802.11 b/g 和 IEEE 802.15.4 干扰信号进行分类。生成的多标签数据集包含带宽 10 MHz、时长 12.8 s 的频域与时域受限感知快照。每个快照将一个被利用信号与多达多个干扰信号相组合。该方法在同技术干扰下展现出有前景的结果，对 IEEE 802.15.1 和 IEEE 802.15.4 信号的分类准确率约为 100%。对于 IEEE 802.11 b/g 信号，其在跨技术干扰下的准确率提升至至少 90%。
引用
@article{arxiv.1804.04395,
title = {Multi-Label Wireless Interference Identification with Convolutional Neural Networks},
author = {Sergej Grunau and Dimitri Block and Uwe Meier},
journal= {arXiv preprint arXiv:1804.04395},
year = {2018}
}
备注
Submitted to the 16th International Conference on Industrial Informatics (INDIN 2018)