基于时频分析的跳频系统深度干扰分类

众所周知，干扰分类在保护授权通信系统并避免其在恶劣环境中性能下降方面起着重要作用。本文讨论了跳频通信系统中的干扰分类问题。考虑到跳频系统中存在多种干扰的可能性，为从接收信号中充分提取干扰的有效特征，采用了基于线性与双线性变换的复合时频分析方法。然后将时频分析得到的时频图构建为匹配对并输入深度神经网络进行分类。特别地，使用连体神经网络作为分类器，将成对的时频图输入深度网络的两个子网络，由这两个子网络提取成对时频图的特征以进行干扰类型分类。仿真结果证实，所提算法比传统的基于单一时频表示的方法以及基于 AlexNet 迁移学习或卷积神经网络的方法获得更高的分类精度。