PyJama：基于 NVIDIA Sionna 的可微分干扰与抗干扰
信号处理
2024-07-23 v1 信息论
math.IT
摘要
尽管关于无线通信系统干扰攻击的研究已广泛展开，但利用机器学习放大此类攻击威胁，或提升抗干扰能力的潜力，仍鲜有被探索。其关键障碍在于缺乏合适的研究框架。为此，我们发布了 PyJama，一个完全可微分的开源库，为 NVIDIA Sionna 增加了干扰与抗干扰功能。我们展示了 PyJama 的实际用途：(i) 通过包含前向纠错、时频域中的 OFDM 波形、真实信道模型以及移动性等示例，实现真实的 MIMO 模拟；(ii) 用于学习干扰策略。具体而言，我们使用随机梯度下降法优化 OFDM 资源网格上的干扰功率分配。所学得的策略是非平凡的、可解释的，并且有效。
引用
@article{arxiv.2407.15473,
title = {PyJama: Differentiable Jamming and Anti-Jamming with NVIDIA Sionna},
author = {Fabian Ulbricht and Gian Marti and Reinhard Wiesmayr and Christoph Studer},
journal= {arXiv preprint arXiv:2407.15473},
year = {2024}
}
备注
Accepted at IEEE SPAWC 2024