[發(fā)明專利]基于動(dòng)量梯度擾動(dòng)的智能電磁信號(hào)識(shí)別系統(tǒng)干擾方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011064169.5
• 申請(qǐng)日: 2020-10-01
• 公開（公告）號(hào): CN112202527B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計(jì)）人: 陶明亮;方鳴騏;粟嘉;范一飛;王伶;張兆林;韓闖;楊欣;李滔
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): H04K3/00
• 分類號(hào): H04K3/00;H04L27/00
• 代理公司: 西安凱多思知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61290
• 代理人: 劉新瓊

1.一種基于動(dòng)量梯度擾動(dòng)的智能電磁信號(hào)識(shí)別系統(tǒng)干擾方法，其特征在于包括下述步驟：

步驟一：擬發(fā)射的射頻信號(hào)表示為2×N維的矩陣X(2,N)，N代表時(shí)間離散采樣點(diǎn)，矩陣的兩行分別代表復(fù)信號(hào)的實(shí)部和虛部，矩陣X的正確分類類別為k，調(diào)制識(shí)別分類器表示為f(·)，則有：

f(X)＝k (1)

梯度累加量矩陣表示為2×N維的矩陣m(2,N)，將梯度累加量矩陣初始化為全0矩陣，初始化干擾信號(hào)矩陣X^adv＝X；

步驟二：求取當(dāng)前迭代次數(shù)中，神經(jīng)網(wǎng)絡(luò)正確分類干擾信號(hào)矩陣的損失函數(shù)，更新后得到梯度累加量矩陣；

所述損失函數(shù)為J(X^adv,k)，再求解損失函數(shù)J(X^adv,k)關(guān)于X^adv的梯度將梯度進(jìn)行l(wèi)₁范數(shù)歸一化，最后與乘上衰減因子μ后的原梯度累加量矩陣m相加，得到更新后的梯度累加量矩陣

其中，J(X^adv,k)代表神經(jīng)網(wǎng)絡(luò)將信號(hào)X^adv分類為第k類的損失函數(shù)，代表求解關(guān)于當(dāng)前干擾信號(hào)矩陣X^adv的梯度；

步驟三：通過梯度累加量矩陣得到更新后的干擾信號(hào)矩陣；

所述步驟三中，求取梯度累加量矩陣的符號(hào)，將符號(hào)+1或-1乘步長(zhǎng)因子α后，與X^adv相加，得到更新后的干擾信號(hào)矩陣

其中，sign(·)為符號(hào)函數(shù)；

步驟四：規(guī)范化處理步驟三得到的更新后的干擾信號(hào)矩陣

其中Clip(A,max,min)為上下界函數(shù)，將矩陣A內(nèi)的大于max值或小于min值的元素規(guī)范到max或min，range為限制的擾動(dòng)范圍；

步驟五：重復(fù)步驟二至步驟四，直到滿足如下條件：

f(X^adv)≠k (5)

即為干擾成功。