基于卷积神经网络的无线干扰识别
机器学习
2018-04-19 v1 计算机视觉与模式识别
摘要
免许可频段使用的稳步增长要求进行可靠的共存管理，以实现确定性的介质利用。对于干扰缓解，正确的无线干扰识别（WII）至关重要。在本工作中，我们提出了首个基于深度卷积神经网络（CNN）的WII方法。CNN在广泛的数据驱动GPU训练过程中，通过自我优化原生地学习其特征。我们提出了一个CNN示例，该示例基于持续时间为12.8 s的感知快照和10 MHz的采集带宽。该CNN区分15个类别。它们代表在2.4 GHz ISM频段内具有重叠频率信道的IEEE 802.11 b/g、IEEE 802.15.4和IEEE 802.15.1的数据包传输。我们表明，该CNN优于最先进的WII方法，并且在信噪比至少为-5 dB时分类准确率大于95%。
引用
@article{arxiv.1703.00737,
title = {Wireless Interference Identification with Convolutional Neural Networks},
author = {Malte Schmidt and Dimitri Block and Uwe Meier},
journal= {arXiv preprint arXiv:1703.00737},
year = {2018}
}