基于对抗互易点学习的无人机通信干扰开集识别方法

来源：信号处理杂志 2024年第4期北京时间：

作者：李佳浩, 杜子铭, 周博, 李婕, 吴启晖

摘要：无人机通信由于空对地无线信道的开放性，易受到各种有源或无源的物理层干扰，这些干扰会严重影响无人机通信的性能，导致无人机通信质量下降甚至通信中断等问题。因此，为保障无人机在复杂环境下能实现安全可靠的通信，对各类干扰的有效检测和精准识别尤为重要。传统的无人机通信干扰识别方法通常考虑闭集干扰场景的假设，即只能识别训练过程中使用过的干扰模式，而难以有效判断新出现的未知干扰模式。然而，在实际复杂电磁环境中，由于无法事先获知所有可能的干扰模式，无人机通信系统需要同时应对已知和未知的干扰，即面临开集干扰场景。为此，本文提出了一种基于对抗互易点学习的无人机通信干扰开集识别方法。首先设计了基于残差神经网络（ResNet）的对抗互易点学习框架，以从I/Q数据中有效地提取干扰特征，并确保已知和未知干扰类在特征空间中的良好分离。接着，考虑到在不同干信比和不同干扰信号的特征分布的差异性，设计了联合自适应阈值开集分类器，实现对已知和未知干扰模式的准确识别。为验证所提方法的有效性，考虑无人机空对地通信的多种因素，并基于双射线传播模型生成了一个无人机通信干扰数据集。仿真结果表明，所提方法在不同干信比情况下识别性能均优于基线方法，在干信比为10 dB时，达到了88.1%的归一化识别精度，实现了对无人机通信干扰的有效开集识别。

关键词：‍‍干扰检测, 无人机通信, 开集识别, 机器学习