机构名称：
¥ 1.0
无线链路越来越多地用于提供关键服务，而故意干扰（干扰）仍然是此类服务的严重威胁。在本文中，我们关注的是通用抗干扰模块的设计和评估，该模块与通信链路的具体情况无关，因此可以与现有技术相结合。我们认为，这样的模块不需要显式探测、探测、训练序列、信道估计，甚至不需要发射机的配合。为了满足这些要求，我们提出了一种依赖于机器学习的进步以及神经加速器和软件定义无线电前景的方法。我们确定并解决了多个挑战，从而产生了卷积神经网络架构和多天线系统模型，以推断干扰的存在、干扰发射的数量及其各自的相位。这些信息被不断输入到消除干扰信号的算法中。我们开发了一个双天线原型系统，并使用软件定义无线电平台在各种环境设置和调制方案中评估我们的干扰消除方法。我们证明，配备我们方法的接收节点可以以超过 99% 的准确率检测干扰器，即使干扰器功率比合法信号高出近两个数量级 (18 dB)，也能实现低至 10 − 6 的误码率 (BER)，而且无需修改链路调制。在非对抗性环境中，我们的方法还可以具有其他优势，例如检测和缓解冲突。
利用卷积干扰消除网络实现人工智能驱动的通用抗干扰解决方案
主要关键词
相关文件推荐
