[發明專利]一種面向無線通信系統的智能認知與干擾方法及系統

有效

• 申請號: 202011240132.3
• 申請日: 2020-11-09
• 公開（公告）號: CN112564834B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 常誠;祝興晟;楊利民;李喆;陸婷婷;張堯;夏耘;顧鑫;鄧志均;岑小鋒;楊玉生;劉洋;吳海華
• 申請（專利權）人: 中國運載火箭技術研究院
• 主分類號: H04B17/345
• 分類號: H04B17/345
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 高志瑞

本發明公開了一種面向無線通信系統的智能認知與干擾方法及系統，其中，該方法通過設計無線通信信號特征提取、無線通信信號參數識別、無線通信信號逆向解析、對抗決策、基于基因編程的干擾生成等，形成閉合的智能認知與干擾流程。本發明可用于對無人機、無人艇等載體上的無線通信系統進行智能認知和干擾，解決了智能干擾系統在特征提取、信號識別、逆向解析、干擾決策、干擾生成等環節的面臨的不全面、不系統、環境適應性差、手段單一等問題。

技術領域

本發明屬于無線通信技術領域，尤其涉及一種面向無線通信系統的智能認知與干擾方法及系統。

背景技術

隨著認知無線電技術的迅速發展，無線通信系統正逐步具備對環境的適應能力，對其進行有效干擾的難度也越來越大。傳統自適應干擾系統的干擾模式相對固定，多以帶寬、頻點等作為模式切換的依據；敏捷性不足，對無線通信系統信號發生的變化調整難以察覺或反應滯后；干擾有效性有限，依靠功率壓制和簡單的欺騙式干擾僅可實現信號級干擾，而難以實現信息級干擾。

發明內容

本發明解決的技術問題是：克服現有技術的不足，提供了一種面向無線通信系統的智能認知與干擾方法及系統，具有認知速度更快、準確度更高、干擾模式多樣的優點，具備更強的綜合干擾能力。

本發明目的通過以下技術方案予以實現：一種面向無線通信系統的智能認知與干擾方法，所述方法包括如下步驟：(1)對樣本庫中的無線通信信號特征提取，從多層次、多維度、多尺度的角度對無線通信信號進行處理得到多層次特征、多維度特征和多尺度特征，多層次特征、多維度特征和多尺度特征構建特征集合；(2)根據特征集合中的多層次特征中的信號級特征結合多維度特征和多尺度特征，對本次收到的無線通信信號通過遷移學習或在線半監督學習進行信號級參數識別得到信號級參數；(3)以信號級參數為基礎，根據特征集合中的多層次特征中的信息級特征，結合對應的多維度和多尺度特征，對本次收到的無線通信信號通過專家經驗與遷移學習相結合的方式進行信息級逆向解析，實現對應的編碼、加密、協議解析，反向推測出本次收到的無線通信信號的部分或全部信息級參數；(4)將信號級參數、部分或全部信息級參數和上次干擾效果評估情況作為輸入，得到對本次收到的無線通信信號最有效的干擾方式；(5)將信號級參數、部分或全部信息級參數加入到特征集合以豐富特征集合。

上述面向無線通信系統的智能認知與干擾方法中，在步驟(1)中，多層次特征包括信號級特征和信息級特征；其中，信號級特征包括頻點、帶寬、體制、調制特征，信息級特征包括編碼、加密、協議特征。

上述面向無線通信系統的智能認知與干擾方法中，在步驟(2)中，所述遷移學習為通過將以往的學習經驗存儲到遷移學習經驗庫中，利用學習遷移算法對當前環境所需的最優遷移算法進行選擇，以提高算法選擇的效率，實現模型的快速適應。

上述面向無線通信系統的智能認知與干擾方法中，在步驟(2)中，所述在線半監督學習為利用在變換空間的數據相似性，以歐式距離進行衡量，并通過在線更新樣本庫和神經網絡模型，控制運算復雜度，提高訓練效率。

上述面向無線通信系統的智能認知與干擾方法中，在步驟(3)中，所述專家經驗與遷移學習相結合的方式為對專家經驗庫中的知識提取，形成關于無線通信信號的特征描述，并將其作為少量有標簽數據通過遷移學習到當前目標域，參與對當前目標域識別模型的訓練；其中，專家經驗庫用于存儲專家的知識經驗。

上述面向無線通信系統的智能認知與干擾方法中，在步驟(4)中，采用基因編程方式對本次收到的無線通信信號生成干擾。