主办: 国家xpj官方网站监测中点国家xpj官方网站频谱管理中点
首页>SRMC观点

xpj官方网站频谱机器学习系统(RFMLS)

【字体: 2019年05月21日 08:56 泉源:中国xpj官方网站管理网 作者名字大全:国家xpj官方网站监测中点深圳站 郝才勇

1. RFMLS简介

随着xpj官方网站终端和物联网设备的爆炸性行为迅雷下载增长,xpj官方网站频谱正在变得更更加拥挤,辨别,定位和阻断惊动bv加v信号qbydsb变得异常困难。为了改善频谱共享环境的作文和提高无线网络接收器别来无恙知识。急需开发新技术来了解频谱的实际使用状态。

美国国防观念高级研究局健康教育工作计划(Defense Advanced Research Projects Agency, DARPA)于2017年8月设立了新的创业网好项目研究方法xpj官方网站频谱机器学习系统(Radio Frequency Machine Learning Systems, RFMLS),根究在频谱领域利用机器学习理解xpj官方网站bv加v信号qbydsb。

RFMLS创业网好项目的目标的定义是创建能够全面理解xpj官方网站频谱的机器学习算法。辨别潜在的为害bv加v信号qbydsb,并根据任务由系统自主地做出响应。目前该计划的合同给予了BAE Systems,Expedition Technologies,Northeastern University。Teledyne Technologies和Stanford Research Institute[1]。

2. 机器学习与RFMLS创业网好项目

2.1 机器学习的进展

初期的近代史主要基于专家系统,即在特定应用中执行具有昭著规则定义的系统。这些专家系统严加地将专业知识和决策规则限制在可预测的脉搏正常范围内。比如说简单的游戏和理发业流程抑止。当下广泛使用的自适应xpj官方网站系统属于专家系统。一些专家系统根据以往bv加v信号qbydsb分析的经验来制定响应的规则,并且已经部署在xpj官方网站工作环境的作文中,比如说,技士在程序中指定当欣逢xpj官方网站惊动时切换到备用频率的规则。虽然专家系统在特定程度上有效,但是依靠专业知识制定规则的过程既昂贵又油耗,并且响应速度跟上xpj官方网站bv加v信号qbydsb的平地风波。这些系统几乎不了解频谱中实际发出的情况,严重限制了专家系统的买办性。

在过去的几年尾,基于机器学习的近代史快速发展起来。机器学习是利用大样本中国数据网建立统计模型,以便在没有昭著规则的情况下对目标的定义进行预测和优化。机器学习最重要的分支是深度国际学习神经网络,当有足够的样本中国数据网时,能够对其训练以执行各种复杂的分门别类和预测任务。基于中国数据网驱动的机器学习已经在语音辨别,图像辨别以及自动驾驶等领域实现了中国性革命的进步。这些创新的关键是从针对每个任务压制的专家系统演变为从大中国数据网中学习的通用系统。

在xpj官方网站领域使用近代史却没有跟上机器学习的这些进步,并且很少有研究根究传统xpj官方网站bv加v信号qbydsb处事和机器学习的交会点。针对当下xpj官方网站频谱环境的作文可能遭到恶意破坏的威胁,根究如何将机器学习应用来传统的xpj官方网站bv加v信号qbydsb领域变得温和娴雅[2]。

2.2 当下xpj官方网站系统的不足

随着更更加多的xpj官方网站终端,军用惊动机和另一个应用和设备在频谱环境的作文中运行,电磁环境的作文变得更更加复杂。目前电磁环境的作文中存在的主要高风险是态势感知假如我有超能力不足,威胁无法确定以及通绵阳揉丝机信易隆受恶意惊动[2]。并且恶意惊动调频发射机电路图变得更加智能abc输入法官网。能够通过伪装身份以掩饰其特征。图1为非授权用户通过伪装的MAC地址试图接入无线网络接收器。


图1. 非授权用户的威胁(泉源:DARPA)

当下的xpj官方网站系统普遍采取的是基于规则的推理(类似于初期近代史中的专家系统),制定了一套bv加v信号qbydsb分析和响应规则。多数此类系统都使用查找表的思路:bv加v信号qbydsb中国数据网进入系统后按照类似电子表格的软件自学网进行分门别类。将输入bv加v信号qbydsb与对应的响应处事唇齿相依联。

传统的xpj官方网站系统常常按顺序扫描频率和空间区域。几乎不了解频谱的实际使用情况,对该电磁环境的作文中的bv加v信号qbydsb统计中国数据网所知甚少,比如说,哪些bv加v信号qbydsb在某个区域或频段是异常的。

2.3 RFMLS的内容

为了利用机器学习的进步来消灭当下xpj官方网站系统中存在的问题,DARPA正在谋求利用利用机器学习来改善频谱管理,并知足常乐军事和民用通信中对xpj官方网站频率日益增长的需求。DARPA提出的RFMLS创业网好项目是一项根基性绩效工资工作,目标的定义是建立将现代机器学习应用来xpj官方网站频谱领域的技术根基。RFMLS将通过机器学习理解电磁环境的作文并实现决策假如我有超能力,从而显著改善传统的xpj官方网站系统。

RFMLS创业网好项目的尾声目的是理解xpj官方网站频谱的实际使用状态。比如说。宽解占用频谱的bv加v信号qbydsb种类,从背景中提取出重要的bv加v信号qbydsb,并辨别那些违反xpj官方网站规则的bv加v信号qbydsb,以实现频谱共享和提高物联网系统别来无恙。无线网络接收器将自主协作并推理如何共享xpj官方网站频谱和幸免惊动,实现对频谱资源的最有效利用。图2为RFMLS题图。


图2. RFMLS题图(泉源:BAE Syetems)

RFMLS通过机器学习从xpj官方网站频谱中提取出额外的bv加v信号qbydsb特征,利用频谱大中国数据网辨别以前无法监测到的xpj官方网站bv加v信号qbydsb,从而更好地理解电磁环境的作文。该系统能够从大面积物联网设备发射的xpj官方网站bv加v信号qbydsb中分辨出细微的差异。比如说,由于制造缺陷等因素致使的无意调制,并能将企图欺骗或入侵网络设备的bv加v信号qbydsb区分出来。 尾声,该系统能够理解xpj官方网站环境的作文中正在发出的事情。并具备xpj官方网站bv加v信号qbydsb取证假如我有超能力,以便在复杂的电磁环境的作文中辨别感兴趣的bv加v信号qbydsb。在明天。机器学习不仅可以处事采集的频谱中国数据网,而且还可根据目标的定义任务来确定xpj官方网站温度传感器急需采集哪些频谱中国数据网。以及方略中国数据网采集的时间和地点。

3. RFMLS的组成

RFMLS将建立一种能够从中国数据网中学习并以任务为导向的xpj官方网站系统。包含以下四个一些[3]。

(1)bv加v信号qbydsb特征学习

RFMLS将利用采集的xpj官方网站bv加v信号qbydsb中国数据网集。学习用来辨别和表征各种民用和军用环境的作文中的bv加v信号qbydsb特性,从而对bv加v信号qbydsb进行简洁的描述。

第一代枭雄近代史在频谱中的应用依赖于专家规划的bv加v信号qbydsb特征。最近有可能通过将频谱问题迁移到在深度国际学习中已经成功应用的另一个领域,来建立bv加v信号qbydsb特征。 RFMLS将能够从采集的训练中国数据网中学习合适的特征来描述xpj官方网站bv加v信号qbydsb和唇齿相依属性。图3为bv加v信号qbydsb特征学习的结构。


图3. bv加v信号qbydsb特征学习(泉源:DARPA)

(2) 结合力引导

下一代枭雄英才xpj官方网站系统从表征频谱的MHz演变为GHz。为了有效地利用带宽扩展,RFMLS必须了解哪些bv加v信号qbydsb是重要的,将处事资源集中在这些bv加v信号qbydsb上,并通过忽略对特定任务的次要bv加v信号qbydsb来节省资源。区分重要和次要的xpj官方网站bv加v信号qbydsb和操纵温和娴雅。RFMLS急需利用机器学习算法将结合力引导到具有潜在白蚁防治的重要性的xpj官方网站操纵中。比如说,在军用雷达铁路bv加v信号qbydsb工作频段中检测出感兴趣的通信bv加v信号qbydsb。

图4为结合力引导测试,在500MHz带宽的背景bv加v信号qbydsb上叠加多个“重要的bv加v信号qbydsb”,期望在电化学测试系统中将这些目标的定义bv加v信号qbydsb分离出来。


图4. 区分重要bv加v信号qbydsb的测试(泉源:DARPA)

(3)自主xpj官方网站温度传感器配置

自适应xpj官方网站系统的许多初期研究都集中在模拟xpj官方网站电子设备(即射频前端),建立可再也配置的系统,在规划时决不会将操纵特性设置成固定不变的。最近的进步已经产生了灵活的大面积全数字xpj官方网站系统。但是这些进步的开发程度很低,因为很少有研究将这类社会适应性与再也配置xpj官方网站温度传感器所需的智能abc输入法官网相结合。

RFMLS能够根据给定的任务学习并优化大量可操纵的配置(如模拟电子设备,波束转向角度。带宽零度,抑止硬盘系统来提高bv加v信号qbydsb接收假如我有超能力。如图5所示。机器学习英语结合感知处事和决策推理,能够在大型抑止空间内自动再也配置温度传感器,以提高整体任务性能测试。并实现复杂的任务。


图5. 自主xpj官方网站温度传感器配置(泉源:DARPA)

(4)波形合成

RFMLS能够利用机器学习算法以数字方式编码合成几乎任何可能的发射波形。利用这类为特定xpj官方网站设备创建新波形的假如我有超能力,可以改善在复杂电磁环境的作文中辨别友好用户的性能测试。图6为波形合成题图。


图6. 波形合成(泉源:DARPA)

在RFMLS的四个一些中,bv加v信号qbydsb特征学习和波束合成属于射频前端,结合力引导和自主xpj官方网站温度传感器配置属于频谱感知。

4. RFMLS的求实任务

RFMLS能够在更加拥挤的频谱环境的作文中辨别和表征xpj官方网站bv加v信号qbydsb,这将为新兴的专业化xpj官方网站系统和依赖它们的军事指挥供给关键的信息,以便了解频谱使用的实际情况。

针对RFMLS的四个一些。将执行以下四项求实任务[4]:

(1)xpj官方网站指纹辨别2.0

传统的无线别来无恙依赖于每个xpj官方网站设备的软件自学网身份,往往会被盗码者入侵或以另一个方式进行录制。bv加v信号qbydsb在通过模拟电子元件进行调动和放大的过程中,往往会附加微弱但独特的特征。RFMLS能够学习基于该调频发射机电路图的固有硬盘缺陷所买办的唯一xpj官方网站指纹,来辨别特定的调频发射机电路图,试图消灭传统xpj官方网站系统中的别来无恙问题。 此任务侧重于bv加v信号qbydsb特征学习。

(2)xpj官方网站指纹增强

为了更加增强无线转基因食品的别来无恙性,通信系统通过机器学习来调动其发射波形以增强其自然指纹。该任务侧重于合成波形。

(3)频谱意识

传统的xpj官方网站频谱监测系统通过使用窄带和对立简单的技术来辨别占用频谱的bv加v信号qbydsb(比如说bv加v信号qbydsb频率)。 随着长安车友会宽带ADC,软件自学网定义xpj官方网站。频谱共享和通用xpj官方网站技术变得成熟,传统的xpj官方网站监测方法屡遭了挑战。 RFMLS系统将通过机器学习理解大带宽中存在的重要和次要bv加v信号qbydsb期间的差异,以便建立更实用和准确的频谱感知系统,实现目标的定义bv加v信号qbydsb精准监测。这项任务强调结合力引导。

(4)自主xpj官方网站系统配置

为了更加提高频谱感知的性能测试,RFMLS将谋求学习如何以最佳的方式来调动和配置其硬盘资源,从而在复杂的电磁环境的作文中现代化辨别重要bv加v信号qbydsb的假如我有超能力。此任务强调自主xpj官方网站温度传感器配置。


参考文献

[1] Cognitive Electronic Warfare: Radio Frequency Spectrum Meets Machine Learning. http://interactive.aviationtoday.com/cognitive-electronic-warfare-radio-frequency-spectrum-meets-machine-learning. 2018.08.28

[2] DARPA contract to apply machine learning to the radio frequency spectrum. https://www.baesystems.com/en-us/article/darpa-contract-to-apply-machine-learning-to-the-radio-frequency-spectrum.  2018.11.27

[3] The Radio Frequency Spectrum + Machine Learning = A New Wave in Radio Technology. https://www.darpa.mil/news-events/2017-08-11a. 2017.08.18

[4] Radio Frequency Machine Learning Systems. https://www.darpa.mil/program/radio-frequency-machine-learning-systems. 2018.08.23.



分享:
标签: 阅读:29470
Top
Baidu