计算机工程

作者：刘雨灵, 侯进, 张笑语, 陈曾

单位：1. 西南交通大学 信息科学与技术学院, 成都 611756;2. 成都华日通讯技术有限公司, 成都 610045

关键词：同频干扰,调频广播信号,卷积神经网络,小波变换,特征提取

基金：浙江大学CAD&CG国家重点实验室开放课题（A1923）；成都市科技惠民技术研发项目（2015-HM01-00050-SF）。

针对无线电干扰中较为突出的同频干扰问题，将深度学习应用于干扰信号检测，提出一种无线电调频广播同频干扰检测算法。将调频广播数据转化为能体现信号特性的小波变换时频图，并将其作为卷积神经网络（CNN）的训练数据，训练CNN学习信号的时频特征，得到干扰检测模型。实验结果表明，与传统的机器学习算法相比，该算法能更准确地检测出广播信号中是否存在同频干扰信号，其干扰检测准确率达95.0%。

来源：2019年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第10期