基于深度卷积神经网络的雷达频段频谱监测
网络与互联网体系结构
2017-05-02 v1 信息论
机器学习
math.IT
摘要
本文提出了一种用于在频谱共享场景中检测雷达信号的频谱监测框架。我们框架的核心是一个深度卷积神经网络(CNN)模型，该模型使具备测量能力的设备能够识别无线电频谱中雷达信号的存在，即使这些信号与诸如商用LTE和WLAN的其他干扰源重叠。我们收集了一个大型RF测量数据集，其中包括多种雷达脉冲波形、LTE下行链路、WLAN和热噪声的传输。我们提出了一种利用所采集样本的幅度和相移的预处理数据表示。该表示使我们的CNN模型在测试数据集上达到99.6%的分类准确率。随后将训练好的CNN模型在不同SNR值下进行测试，其性能优于其他模型，例如基于谱图的CNN模型。
引用
@article{arxiv.1705.00462,
title = {Spectrum Monitoring for Radar Bands using Deep Convolutional Neural Networks},
author = {Ahmed Selim and Francisco Paisana and Jerome A. Arokkiam and Yi Zhang and Linda Doyle and Luiz A. DaSilva},
journal= {arXiv preprint arXiv:1705.00462},
year = {2017}
}
备注
7 pages, 10 figures, conference