[发明专利]一种基于深度支持向量数据描述的干扰检测装置及方法

权利要求书

1.一种基于深度支持向量数据描述的干扰检测装置，其特征在于，包括：数据预处理模块（00）、数据集构建模块（01）、架构优化模块（02）、深度学习训练模块（03）和在线检测模块；

所述数据预处理模块（00）的输入端连接接收链路，所述数据预处理模块（00）用于滤除信号中的冗余信息和干扰信息，并将一维采样数据格式转化为时频域IQ样本的四维矩阵数据格式；

所述数据集构建模块（01）的输入端连接至所述数据预处理模块（00）的第一输出端，所述数据集构建模块（01）用于对四维矩阵数据格式的数据进行数据集构建，并通过引入白噪声、频偏和相噪，扩充深度学习训练数据集；

所述架构优化模块（02）的输入端连接至所述数据集构建模块（01）的输出端，所述架构优化模块（02）用于在所述深度学习训练数据集的基础上通过仿真分步优化深度学习网络的输入维度、卷积核个数和长度、残差单元个数以及网络输出维度实现架构模块的优化；

所述深度学习训练模块（03）的输入端连接至所述架构优化模块（02）的输出端，所述深度学习训练模块（03）用于利用所述深度学习训练数据集，并采用深度学习网络的各项最优超参数，调用深度学习训练模块，获得深度支持向量网络及深度调制识别网络的最优参数；

所述在线检测模块的第一输入端连接至所述数据预处理模块（00）的第二输出端，所述在线检测模块的第二输入端连接至所述深度学习训练模块（03）的输出端；所述在线检测模块用于实时采集空间信号并输出干扰检测和识别结果；

所述在线检测模块包括：连续波干扰检测模块（04）、连续波干扰识别模块（05）、数据帧干扰检测模块（06）和数据帧干扰识别模块（07）；

所述连续波干扰检测模块（04）的输入端连接至所述数据预处理模块（00）的第二输出端，所述连续波干扰检测模块（04）用于连续波模式下的初步干扰检测；

所述连续波干扰识别模块（05）的输入端连接至所述连续波干扰检测模块（04）的输出端；所述连续波干扰识别模块（05）用于连续波模式下的干扰检测结果验证及调制识别；

所述数据帧干扰检测模块（06）的输入端连接至所述数据预处理模块（00）的第二输出端，所述数据帧干扰检测模块（06）用于数据帧模式下的初步干扰检测；

所述数据帧干扰识别模块（07）的输入端连接至所述数据帧干扰检测模块（06）的输出端；所述数据帧干扰识别模块（07）用于数据帧模式下的干扰检测结果验证及调制识别。

2.一种基于权利要求1所述的干扰检测装置实现的干扰检测方法，其特征在于，包括下述步骤：

S1对采集的链路信号进行预处理，将所述链路信号的一维数据格式转化为四维矩阵数据格式并以定长帧格式进行保存；

S2对步骤S1预处理后的定长帧数据进行数据集构建，通过引入白噪声、频偏和相噪，扩充深度学习训练数据集；

S3在步骤S2构建的训练数据集基础上，通过仿真分步优化深度学习网络的输入维度、卷积核个数和长度、残差单元个数以及网络输出维度实现架构模块的优化；

S4利用步骤S2构建的深度学习训练数据集，采用步骤S3中深度学习网络的各项最优超参数，调用深度学习训练模块，获得深度支持向量网络及深度调制识别网络的最优参数，并保存在大数据存储系统的模型数据中；

S5根据通信系统工作模式选择工作模式，通过加载采用步骤S1中预处理方法后的数据以及步骤S4所得的模型数据，并调用对应工作模式下的干扰检测识别策略，判断实时帧数据是否存在干扰，并获得对应的调制方式。

3.如权利要求2所述的干扰检测方法，其特征在于，步骤S1具体包括：

S11对采集的链路信号进行混频处理，将所述链路信号由射频搬移至基带100kHz；

S12对混频处理后的信号进行数字滤波处理，滤除本振以及带外干扰；

S13对滤波后的信号进行降采样处理，将所述链路信号的采样率降至与通信信号带宽一致，去除所述链路信号中的无效信息；

S14将降采样后信号的时频IQ序列拼接，转化为四维矩阵数据格式，其中矩阵四行分别为时域I路数据、时域Q路数据、频域I路数据、频域Q路数据，矩阵的列为时频各路数据的元素值。