融合深度特征的电磁频谱异常检测算法OA北大核心CSTPCD
Spectrum Anomaly Detection Algorithm Based on the Fusion of Depth Feature
针对电磁频谱异常检测效率不高等问题,该文结合卷积神经网络(Convolutional Neural Networks,CNN)以及长短时记忆神经(Long Short-Term Memory,LSTM)网络,提出一种融合深度特征的电磁频谱异常检测算法.首先构建深度特征提取网络,该网络包含能够分级提取深度特征的两路多层CNN以及LSTM;其次通过池化、合并等操作将网络模型提取的各级深度特征进行融合,实现频谱数据预测;最后计算预测数据与真实数据的均方误差,判别频谱异常.该算法能在无监督学习的条件下,实现多种类异常状态检测的.在公开频谱数据的多个频段对算法性能进行验证,结果表明本文算法能够有效地实现电磁频谱异常检测.
彭闯;王伦文;胡炜林
国防科技大学电子对抗学院,安徽合肥230037国防科技大学电子对抗学院,安徽合肥230037国防科技大学电子对抗学院,安徽合肥230037
信息技术与安全科学
深度学习异常检测频谱预测特征融合
《电子学报》 2022 (6)
基于电子加速和分时能谱分析技术的直流特高压测量方法研究
1359-1369,11
国家自然科学基金(No.11975307)国防科技创新特区项目(No.19-H863-01-ZT-003-003-12)
评论