关键词:
智能信号分析
弱监督深度学习
调制识别
宽带信号自适应处理、攻防对抗、轻量化神经网络
摘要:
近年来,基于人工智能的信号处理技术得到了日益广泛的关注,在信息侦察、电子对抗和精确打击等领域中发挥重要作用。由于深度学习技术具有自动学习抽象任务相关性特征的能力,对信号检测和调制识别等任务有着极高的应用价值。然而,实际电磁环境复杂多变,存在数据不充分、标签不准确和标注不确切等问题,与深度学习的大规模、精确和完备监督数据需求之间形成突出的矛盾。弱监督深度学习技术旨在使用非完全监督信息训练深度学习模型,其学习条件与实际复杂电磁环境的数据特点相契合,将有望解决人工智能在电磁领域应用的难题。因此,本文研究了基于弱监督深度学习的智能信号分析与处理技术。针对信号分析任务中数据不充分、标签不准确和标注不确切的问题,以调制识别和宽带信号检测任务为研究对象,提出了基于弱监督学习的智能信号分析算法;针对智能模型在博弈环境中的应用问题,提出了用于模型攻防的对抗信号生成算法;针对实际部署中的计算资源受限的问题,提出了基于渐进式模仿学习的卷积神经网络轻量化算法。期望通过上述研究,解决深度学习技术在实际复杂电磁环境落地应用的一些难点问题。论文主要工作概括如下:1.针对信号调制识别任务中监督数据不充分的问题,提出了基于自监督深度编码网络的小样本多模调制识别算法。首先深入分析了复杂信道对调制信号的影响,通过修改信号频域、时域和幅度域的影响参数,提出并验证了9种调制信号扩增方法,以在实际应用中扩增信号。其次,构建了基于自监督学习的降噪深度自编码器,通过软件无线电的动态效应模块生成自监督降噪数据,训练自编码器实现调制信号降噪,降低信道效应对提取调制域特征的影响,减少模型训练对监督数据的需求。最后,构建了基于多模态输入的小样本调制识别模型,构造了降噪信号和调制信号的多模输入,设计了特征融合层,以提升模型的识别性能。在RML2016.10a和RML2016.10b数据集上进行了实验,结果显示:所提出算法在每类训练样本数为1000时达到了44.48%的总体识别正确率,相比于SSRCNN(Semi-supervised Signal Recognition Convolutional Neural Network)和VAT(Virtual Adversarial Training)等半监督学习算法,所提出算法在总体识别正确率上有1.09%~28.24%的提高。2.针对信号调制识别任务中数据标签不准确的问题,提出了基于行列式信息熵损失的噪声标签调制识别算法。首先,设计了行列式信息熵损失,该损失通过衡量信号标签与模型输出间的互信息,忽略互信息较少的噪声标签,使模型实现对噪声标签的鲁棒性。其次,将潜在类条件噪声估计引入到行列式信息熵损失中,通过吉布斯采样近似估计噪声转移矩阵,校正噪声标签,以利用带噪声标签的样本训练识别模型。在RML2016.10a和RML2016.10b数据集上进行了实验,结果显示:在噪声标签占比80%的数据条件下,相比于FL(Forward Loss)、GCE(Generalized Cross Entropy)和LCCN(Latent Class-Conditional Noise)等噪声标签学习算法,所提出算法在总体识别正确率上有3.50%~54.46%的提高。3.针对宽带信号检测任务中数据标注不确切的问题,提出了基于标签传播的弱监督宽带信号智能检测算法。首先,针对低信噪比宽带信号时频图缺少颜色、纹理等信息导致生成的目标候选框不精确的问题,利用类标签激活的前景目标的显著性,计算窄带信号目标中心坐标,粗略预测信号目标位置。其次,采用基于像素语义亲和度的标签传播算法,估计信号目标边界,并在目标边界内迭代传播目标中心的标签,对时频图生成像素级的类别预测。最后,利用最小外接矩形算法生成像素级类别预测结果的最小外接矩形作为信号目标的检测框。在宽带信号数据集SWSD上进行了实验,结果表明:所提出算法能预测更精准的检测框,相比于弱监督目标检测算法WSDDN(Weakly Supervised Deep Detection Network),所提出算法的、和分别提高了24.32%、12.94%和7.15%;相比目标检测算法YOLO(You Only Look Once)v4,提高了4.14%。4.针对智能模型在博弈环境中的应用问题,提出了用于模型攻防对抗的基于视觉与信息约束的对抗信号生成算法。首先,针对现有算法生成的对抗信号视觉变形大,传输信息变化大的问题,设置了视觉与信息差异的限制条件,提出了对抗信号的邻域内局部扰动约束。其次,引入了基于种群进化机制的差分进化算法,优化搜索全局最优的对抗信号。在RML2016.10a和RML2016.10b数据集上进行了实验,结果显示:相比于FGSM(Fast Gradient Sign Method)、BIM(Basic Iter