基于改进SVM的电子通信干扰检测方法

荆科科，张文豪，刘喜庆，董峰

（郑州城市职业学院，河南郑州，452370）

0 引言

电子通信干扰是指无用信号，进入有效信号通道，对有效信号的接收造成干扰的现象。常见的电子通信干扰包括互调干扰、带外干扰、邻道干扰，以及同频干扰[1]。互调干扰是指，两个以上的干扰信号同时到达信号接收端时，通过非线性电路的作用进行互调，使干扰信号产生互调频率[2]。当有效信号完全在同一频率时，接收端会失去辨别能力，顺利接收到干扰信号，影响有效信号的传输。带外干扰是指在接收信号时，杂散信号干扰有效信号接收的现象；邻道干扰是指，接近有效信号频率的信号；同频干扰为同一频率的干扰信号，有效信号的频率越高，越容易影响传输，通信干扰成为亟待解决的问题[3]。因此，本文提出改进SVM的电子通信干扰检测方法，旨在提高电子通信信号传输时的检测精度，为电子通信的发展创造条件。

1 基于改进SVM的电子通信干扰检测方法设计

■1.1 识别电子通信干扰信号

本文设计的信号识别方法主要利用信号变换方法，对干扰信号的特征进行提取，但是传统检测方法中，识别能力较差，检测精度也就随之降低。本文将电子信号识别，看作一个分类问题，因为信号本身与图像或语音的频率相同[4]。信号识别能力非常适合融合SVM算法，通过SVM算法可以孤立干扰信号，进而对电子信号的时序特征进行提取，孤立干扰信号的识别流程如图1所示。

图1 干扰信号的识别流程

本文在改进SVM的基础上，将干扰信号从原始信号中分离出来，直接分析叠加在原始信号上的干扰信号，简化识别干扰信号的流程[5]。本文基于新的信号识别方式，来构建干扰检测模型，该模型是以改进SVM为基础而构建的，可以用于端到端的识别。并在此过程中，使用网络模拟自动提取信号流程，用于区分不同信号的识别能力。再将原始的干扰信号放入模型中进行测试，即可得到信道中叠加干扰信号的分类，提高干扰信号的识别精准度[6]。

■1.2 改进SVM下构建通信干扰网络检测模型

SVM可以解决非线性分类问题，通过引入核函数，映射特征向量的特征，从而构建出相应的模型空间。一般情况下，一个完整的SVM算法需要使用LeNets的卷积网络，通过其核心结构组成对应的干扰值，再进行卷积，进而形成的模型如下所示：

其中，S（i,j）为信号第i行第j列的对应干扰值；wm,n为SVM层第m行第n列的干扰元素；xi+m,j+m为第i+m行第j+m列的网络信号检测参数；yj（l）为干扰信号特征；xi（l-1）为上一行干扰信号的特征；Kij为SVM检测信号指数；⊗为改进SVM运算；Mj为改进SVM的信号强度；bj（l）为信号加偏置值[7]。

在本文改进SVM后，构建的网络检测模型的每个卷积核都在一个局部连接，只连接输入特征信号的一部分，即可提取全部干扰信号的信息。在卷积核连接的那部分区域，就是模型中干扰信号的感受视野，由于卷积网络的视觉皮层中，神经元在识别外部物体时，会直接接收干扰信号的信息特性，距离越近，干扰信号之间的相关性越强。

■1.3 重构网络模型通信信号参数

重构出的通信信号参数具有两个优势，一方面，卷积网络可以从时间序列数据中提取干扰信号的依赖特征，解决信号重构问题；另一方面，电子通信信号样本在时域高度相关的情况下，与传统模型相比，可以更有效地分离出抗干扰信号的时序相关性。在卷积网络层使用的参数在每个通信信号的干扰偏差，影响信息参数的时间步数，将通信干扰信号剥离，提高干扰信号的检测精度。相比之下，传统检测方法在实际上，每个时间步都有相同的权重，参数数量会随着时间步的数量呈线性增加。在真实的通信环境中，白噪声的出现会阻碍输入信号的重构，无法克服白噪声的影响，即会增加传输信号序列本身之间相关性，影响检测精度。本文摒弃传统方法的缺点，得出重构参数如下：

式（3）中，φ与ψ分别为编码与解码信号；rn为有干扰的接收信号；^r为无干扰的重构信号；τ为模型训练标签；argamin为消除干扰参数。本文重构的通信信号参数，干扰信号均会与原始信号相同，并多出相应的干扰信号，使检测精度变高，检测效果更佳。

■1.4 实现电子通信抗干扰检测

为了实现电子通信抗干扰检测，本文设计了干扰信号识别方法，改进SVM的模型构建方法，重构通信参数方法，得出常用的信号频率会随通信强度的变化而变化的结论，因此，本文可以通过信号时频特性的差异来检测干扰程度。在检测过程中，利用STF的基本思想，稳定局部通信信号，即使用对应函数序列，将一个不稳定信号，分成多个等长的信号，将以上信号作为固定信号，再进行傅里叶转换，通过窗函数的对非平稳信号进行分割，即可保证STFT转换稳定。由于窗口的大小与形状固定不变，可以通过此固定性质，保证通信信号检测的适应性。对于非平稳的电子信号来说，频率较高时，可以用小窗口转换，可以取得较好的信号干扰分辨程度；频率较低时，用大窗口转换，即可取得较好的信号干扰分辨程度。

2 仿真实验

为了验证本文设计的方法是否具有实效性，搭建出了一个仿真平台，在此平台中输入相关信号，通过识别干扰特征，观测本文设计的方法的检测精度。过程及结果如下所示。

■2.1 实验过程

为了保证本次实验的实效性，本文输入较长信号，并随机在此信号中叠加干扰，在第50-100、500-1000、2000-3000、4500-5000信号频率中设置采样点，并在以上采样点中叠加与原频率相同的信号频率，并通过F1分数作为信号检测精度的标准。F1分数的检测精度计算如下：

式（4）中，F1-score为精准度；precision为精确指数；recall为召回指数。由此得出的相关超参数如表1所示。

表1 相关超参数

如表1所示，根据此超参数得出的信号干扰图像如图2所示。

图2 检测精度

如图2所示，本文设计的方法检测精度在90%以上，可以保证检测效果。

■2.2 实验结果

将本文设计的检测方法与传统检测方法对比，验证两种方法的检测精度，检测结果如表2所示。

表2 两种方法的检测精度

如表2所示，传统方法干扰信号检测精度在90%以下，随着干扰信号的强度增加，检测精度下降了18%，检测效果较差，不能适应电子通信干扰检测环境；而本文设计的方法干扰信号检测精度在98%以上，在干扰信号强度在1000Hz时，检测精度可以达到100%，可以适应电子通信干扰检测环境，符合本文研究目的。

3 结束语

近年来，随着电子通信技术的发展，电子通信环境日益复杂，信号干扰成为制约其发展的一大阻碍。传统方法干扰信号检测精度较差，不能适应当前电子环境。因此，本文设计了基于改进SNM的电子通信干扰检测方法，旨在提高检测精度，为电子通信发展提供指导建议。