基于深度学习的ADS-B欺骗式干扰检测

发布时间：2022-02-24 03:47

　　广播式自动相关监视（Automatic Dependent Surveillance-Broadcast,ADS-B）作为一种新型的空中交通管理监视技术被广泛应用,其借助全球导航卫星系统（Global Navigation Satellite System,GNSS）的定位,将自身的飞行信息通过空中数据链路周期性的向外广播给其他飞行器和地面监管系统,该技术定位精度高、成本低,但公开的技术架构使其极易受到某些欺骗干扰,严重扰乱空中交通秩序。随着深度学习技术的迅猛发展,其在图像、语音识别和自然语言处理等领域上已广泛应用,并在信号处理领域,包括像信号调制识别,雷达图像识别以及信道资源分配等问题上,也展现了其巨大优势。因此,本文将主要研究基于深度学习的ADS-B欺骗式干扰检测方法。论文主要工作如下:第一,对ADS-B系统原理及其信号特点进行了介绍,并介绍了一些常见的欺骗手段。另外,介绍了深度学习在信号处理领域的应用,并分析了基于深度学习检测方法的优缺点,为后续利用深度学习检测欺骗干扰方法的研究奠定了基础。第二,提出一种利用改进型AlexNet提取特征并检测欺骗干扰的方法,该方法针对真实ADS-... 

【文章来源】：中国民航大学天津市

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外发展现状
        1.2.1 ADS-B系统应用现状
        1.2.2 ADS-B抗欺骗干扰研究现状
        1.2.3 深度学习在信号处理领域的研究现状
    1.3 本文的主要研究内容及所做工作
    1.4 论文章节安排
第二章 ADS-B欺骗干扰检测基础理论和深度学习技术概述
    2.1 1090ES模式ADS-B系统简述
        2.1.1 1090ES模式ADS-B系统基本原理
        2.1.2 1090ES模式ADS-B消息结构与类型
    2.2 ADS-B系统主要的欺骗干扰方式
    2.3 深度学习
        2.3.1 前馈神经网络
        2.3.2 卷积神经网络基本结构
        2.3.3 神经网络的训练
    2.4 本章小结
第三章 基于改进型AlexNet的 ADS-B欺骗式干扰检测
    3.1 引言
    3.2 信号模型与问题陈述
    3.3 算法基本原理
    3.4 网络模型搭建
        3.4.1 AlexNet网络结构
        3.4.2 改进型AlexNet网络结构
    3.5 仿真实验与结果分析
        3.5.1 样本准备
        3.5.2 网络训练与测试
        3.5.3 不同条件下的仿真分析
    3.6 本章小结
第四章 基于改进型Inception-ResNet的 ADS-B欺骗式干扰检测
    4.1 引言
    4.2 算法基本原理
    4.3 数据集及其预处理
        4.3.1 数据样本准备
        4.3.2 数据集预处理
    4.4 网络结构
        4.4.1 Inception-ResNet-v2 网络结构
        4.4.2 改进后的网络结构
    4.5 仿真结果与分析
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读硕士期间所发表的论文



本文编号：3641912