一种基于注意力机制的扩频通信干扰感知方法与流程

1.本发明涉及无线通信领域，特别涉及一种基于注意力机制的扩频通信干扰感知方法。


背景技术：

2.由于扩频技术具有抗干扰、抗拦截的特性，已被广泛应用于军事/商业通信、卫星导航、空间通信等系统中。目前主要有三种扩频调制方式:直接序列扩频(dsss)、跳频扩频(fhss)和chirp扩频(css)。扩频信号在频谱中没有明显可区分的峰值，这使得信号更难从噪声中区分出来，因此也更难被干扰。然而，当干扰功率较大，扩频增益不足以达到满意的系统性能时，就需要采用额外的抗干扰技术。干扰感知与识别算法的设计是有效抗干扰方法的基本前提。
3.作为最负盛名的模型之一，transformer网络是一种解决序列建模和转化问题的先进方法，如语言建模、机器翻译、计算机视觉等。注意力机制的引入是transformer网络的重要创新。通过计算输入序列中所有位置对的相似度分数，并对输入序列的每个标记并行评估，注意力机制避免了循环神经网络的顺序依赖性，使transformer网络大大优于以前的序列模型。
4.本专利考虑到transformer网络在序列相关任务中的优势，提出了一种基于注意力机制的扩频通信干扰传感方法。该方法直接根据接收信号的频谱并输出预测的干扰类型，不再需要复杂的特征提取方法设计。该网络引入了关注接收频谱载波间相关性和实虚相关性的注意力机制，提高了干扰识别的精度。


技术实现要素：

5.为了克服现有技术中扩频通信受到干扰影响通信质量的问题，本发明提供一种基于注意力机制的扩频通信干扰感知方法，能够有效识别干扰种类以采取相应的抗干扰措施。
6.为了达到上述发明目的，解决其技术问题所采用的技术方案如下：
7.一种基于注意力机制的扩频通信干扰感知方法，包括以下步骤：
8.步骤1：收集扩频通信任务中常见干扰信号种类，对常见干扰信号进行建模；
9.步骤2：对信道环境建模，根据扩频通信系统构建接收信号模型，生成大量无干扰信号和不同干信比下的被干扰信号，构建训练数据集；
10.步骤3：建立干扰感知transformer网络，该网络由嵌入模块、孪生transformer模块、门控模块构成，其中，孪生transformer模块中包含两个transformer，分别用于学习子载波间相关特性和实部和虚部之间的相关特性；
11.步骤4：利用训练数据集对所构建的干扰感知transformer网络进行训练，获得网络参数；
12.步骤5：固定网络参数，输入实时扩频接收信号频谱，网络完成干扰类型识别。
13.进一步的，所述步骤1包括以下内容：
14.考虑卫星扩频通信中常见的干扰信号，主要有窄带干扰nbi、宽带噪声干扰bni、连续波干扰cwi、扫频干扰sfi：
15.所述窄带干扰nbi由高斯噪声通过窄带滤波器产生，可以表示为：
[0016][0017][0018]
其中，pi是平均噪声功率；x表示噪声信号；h表示窄带滤波器，wi表示干扰带宽；fi表示干扰中心频率；
[0019]
所述宽带噪声干扰bni可以表示为：
[0020][0021][0022]
其中，pi是平均噪声功率，x表示噪声信号；h表示宽带滤波器，fi表示干扰中心频率；
[0023]
所述连续波干扰cwi是一个固定的连续正弦波，可以表示为：
[0024][0025]
其中，pi是平均噪声功率，fi是载波功率，φi∈u(0,2π)表示载波相位；
[0026]
所述扫频干扰sfi是将全功率从一个频率转移到另一个频率的过程，这种横扫式的动作会快速连续地阻塞多个频率，扫频干扰可以表示为；
[0027][0028]
其中，pi是平均噪声功率，fi是载波功率，φi表示载波相位，k表示扫频系数。
[0029]
进一步的，所述步骤2包括以下内容：
[0030]
考虑直接序列扩频通信和加性高斯白噪声信道，接收机端接收到的信号r(t)可以建模为：
[0031][0032]
其中，s(t)和i(t)是发射和干扰信号，w(t)表示噪声，直接序列扩频在业界广泛使用，其信号可以建模表示为：
[0033]
s(t)＝pn(t)
⊙
d(t)
[0034]
其中，pn是扩频序列，d(t)是发送数据，
⊙
表示向量之间的hadamard积运算；
[0035]
将k类干扰识别问题建模成k+1类分类问题，即{无干扰,干扰1
…
,干扰k}，在不同干信比的情况下生成接收信号r(t)，构造训练数据集其中，m为训练集样本数量，rm表示第m个输入信号，表示对应的种类，所设计的网络以rm为输入，预测对应的种类
k'm。
[0036]
进一步的，所述步骤3包括以下内容：
[0037]
干扰感知transformer网络包含嵌入模块、孪生transformer模块以及门控模块，在嵌入模块中，为了处理连续频谱信号序列，通过全连接层和一个非线性激活函数tanh获得嵌入输出：
[0038]
e1＝tanh(fc[dft(r)])
[0039]
其中，fc表示全连接层映射，dft表示离散傅里叶变化；
[0040]
为了增加transformer对序列相关性的处理能力，增加位置嵌入，表示为：
[0041]
e2＝tanh([fc[dft(r)]])+pe
[0042]
其中，位置嵌入
[0043]
在孪生transformer模块中存在两个transformer结构，分别用于提取子载波间相关性和实部虚部之间的相关性，每个transformer结构由多个编码器构成，每个编码器由一个多头注意力机制、一个归一化层、一个前馈层、一个归一化层组成，两个transformer的最终输出表示为t1和t2；
[0044]
在门控模块将孪生transformer的输出进行整合，得到最终的分类结果；门控模块首先将两个transformer的输出向量进行连接后运用全连接层映射到向量h，可以表示为h＝w
l
concat(t1,t2)+b1，其中，w
l
和b1表示权重和偏置，运用softmax函数和全连接层进一步获得最终输出：
[0045]
g＝[g1,g2]＝softmax(h)
[0046]
y＝woconcat(g1t1,g2t2)+bo[0047]
其中，g为系数，concat()表示向量连接函数，wo和bo表示输出层的参数。
[0048]
本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：
[0049]
本发明提供一种基于注意力机制的扩频通信干扰感知方法，能够有效识别干扰种类以采取相应的抗干扰措施。能够借助频谱感知思想和先进人工智能算法，提高干扰感知的精度。
附图说明
[0050]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：
[0051]
图1是本发明一种基于注意力机制的扩频通信干扰感知方法的流程图；
[0052]
图2是本发明中干扰感知transformer网络示意图；
[0053]
图3是本发明中干扰识别算法分类精度仿真图。
具体实施方式
[0054]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术
人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055]
考虑直接序列扩频信号和awgn信道，本实施例公开了一种基于注意力机制的扩频通信干扰感知方法，如图1所示，包括以下步骤：
[0056]
步骤1：收集扩频通信任务中常见干扰信号种类，对常见干扰信号进行建模；
[0057]
进一步的，所述步骤1包括以下内容：
[0058]
考虑卫星扩频通信中常见的干扰信号，主要有窄带干扰nbi、宽带噪声干扰bni、连续波干扰cwi、扫频干扰sfi：
[0059]
所述窄带干扰nbi由高斯噪声通过窄带滤波器产生，可以表示为：
[0060][0061][0062]
其中，pi是平均噪声功率；x表示噪声信号；h表示窄带滤波器，wi表示干扰带宽；fi表示干扰中心频率；
[0063]
所述宽带噪声干扰bni具有生成简单，掩蔽效果可靠等优点，但干扰能量较大。全频段噪声干扰可以表示为：
[0064][0065][0066]
其中，pi是平均噪声功率，x表示噪声信号；h表示宽带滤波器，fi表示干扰中心频率；
[0067]
所述连续波干扰cwi是一个固定的连续正弦波，可以表示为：
[0068][0069]
其中，pi是平均噪声功率，fi是载波功率，φi∈u(0,2π)表示载波相位；
[0070]
所述扫频干扰sfi是将全功率从一个频率转移到另一个频率的过程，这种横扫式的动作会快速连续地阻塞多个频率，扫频干扰可以表示为；
[0071][0072]
其中，pi是平均噪声功率，fi是载波功率，φi表示载波相位，k表示扫频系数。
[0073]
步骤2：对信道环境建模，根据扩频通信系统构建接收信号模型，生成大量无干扰信号和不同干信比下的被干扰信号，构建训练数据集；
[0074]
进一步的，所述步骤2包括以下内容：
[0075]
考虑直接序列扩频通信和加性高斯白噪声信道，接收机端接收到的信号r(t)可以建模为：
[0076][0077]
其中，s(t)和i(t)是发射和干扰信号，w(t)表示噪声，直接序列扩频在业界广泛使
用，其信号可以建模表示为：
[0078]
s(t)＝pn(t)
⊙
d(t)
[0079]
其中，pn是扩频序列，d(t)是发送数据，
⊙
表示向量之间的hadamard积运算；
[0080]
将k类干扰识别问题建模成k+1类分类问题，即{无干扰,干扰1
…
,干扰k}，在不同干信比的情况下生成接收信号r(t)，构造训练数据集其中，m为训练集样本数量，rm表示第m个输入信号，表示对应的种类，所设计的网络以rm为输入，预测对应的种类k'm。
[0081]
本实施例中，将4类干扰识别问题建模成5类分类问题，即{无干扰,nbi,bni,cwi,sfi}，在不同干信比isr＝[-8,8]db的情况下生成接收信号r(t)，构造训练数据集
[0082]
步骤3：建立干扰感知transformer网络，该网络由嵌入模块、孪生transformer模块、门控模块构成，其中，孪生transformer模块中包含两个transformer，分别用于学习子载波间相关特性和实部和虚部之间的相关特性；
[0083]
进一步的，所述步骤3包括以下内容：
[0084]
干扰感知transformer网络包含嵌入模块、孪生transformer模块以及门控模块，在嵌入模块中，为了处理连续频谱信号序列，通过全连接层和一个非线性激活函数tanh获得嵌入输出：
[0085]
e1＝tanh(fc[dft(r)])
[0086]
其中，fc表示全连接层映射，dft表示离散傅里叶变化；
[0087]
为了增加transformer对序列相关性的处理能力，增加位置嵌入，表示为：
[0088]
e2＝tanh([fc[dft(r)]])+pe
[0089]
其中，位置嵌入
[0090]
在孪生transformer模块中存在两个transformer结构，分别用于提取子载波间相关性和实部虚部之间的相关性，每个transformer结构由多个编码器构成，每个编码器由一个多头注意力机制、一个归一化层、一个前馈层、一个归一化层组成，两个transformer的最终输出表示为t1和t2；
[0091]
在门控模块将孪生transformer的输出进行整合，得到最终的分类结果；门控模块首先将两个transformer的输出向量进行连接后运用全连接层映射到向量h，可以表示为h＝w
l
concat(t1,t2)+b1，其中，w
l
和b1表示权重和偏置，运用softmax函数和全连接层进一步获得最终输出：
[0092]
g＝[g1,g2]＝softmax(h)
[0093]
y＝woconcat(g1t1,g2t2)+bo[0094]
其中，g为系数，concat()表示向量连接函数，wo和bo表示输出层的参数。
[0095]
步骤4：利用训练数据集对所构建的干扰感知transformer网络进行训练，获得网络参数；
[0096]
步骤5：固定网络参数，输入实时扩频接收信号频谱，网络完成干扰类型识别。
[0097]
图3表示在不同干信比条件下，不同干扰识别算法在高斯加性信道下的识别精度，由识别成功百分比来衡量。训练过程中考虑接收到的5种信号，包括无干扰信号，以及受
bni、nbi、cwi和sfi干扰的信号。
[0098]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种基于注意力机制的扩频通信干扰感知方法，其特征在于，包括以下步骤：步骤1：收集扩频通信任务中常见干扰信号种类，对常见干扰信号进行建模；步骤2：对信道环境建模，根据扩频通信系统构建接收信号模型，生成大量无干扰信号和不同干信比下的被干扰信号，构建训练数据集；步骤3：建立干扰感知transformer网络，该网络由嵌入模块、孪生transformer模块、门控模块构成，其中，孪生transformer模块中包含两个transformer，分别用于学习子载波间相关特性和实部和虚部之间的相关特性；步骤4：利用训练数据集对所构建的干扰感知transformer网络进行训练，获得网络参数；步骤5：固定网络参数，输入实时扩频接收信号频谱，网络完成干扰类型识别。2.根据权利要求1所述的一种基于注意力机制的扩频通信干扰感知方法，其特征在于，所述步骤1包括以下内容：考虑卫星扩频通信中常见的干扰信号，主要有窄带干扰nbi、宽带噪声干扰bni、连续波干扰cwi、扫频干扰sfi：所述窄带干扰nbi由高斯噪声通过窄带滤波器产生，可以表示为：所述窄带干扰nbi由高斯噪声通过窄带滤波器产生，可以表示为：其中，p
i
是平均噪声功率；x表示噪声信号；h表示窄带滤波器，w
i
表示干扰带宽；f
i
表示干扰中心频率；所述宽带噪声干扰bni可以表示为：所述宽带噪声干扰bni可以表示为：其中，p
i
是平均噪声功率，x表示噪声信号；h表示宽带滤波器，f
i
表示干扰中心频率；所述连续波干扰cwi是一个固定的连续正弦波，可以表示为：其中，p
i
是平均噪声功率，f
i
是载波功率，φ
i
∈u(0,2π)表示载波相位；所述扫频干扰sfi是将全功率从一个频率转移到另一个频率的过程，这种横扫式的动作会快速连续地阻塞多个频率，扫频干扰可以表示为；其中，p
i
是平均噪声功率，f
i
是载波功率，φ
i
表示载波相位，k表示扫频系数。3.根据权利要求1所述的一种基于注意力机制的扩频通信干扰感知方法，其特征在于，所述步骤2包括以下内容：
考虑直接序列扩频通信和加性高斯白噪声信道，接收机端接收到的信号r(t)可以建模为：其中，s(t)和i(t)是发射和干扰信号，w(t)表示噪声，直接序列扩频在业界广泛使用，其信号可以建模表示为：s(t)＝pn(t)
⊙
d(t)其中，pn是扩频序列，d(t)是发送数据，
⊙
表示向量之间的hadamard积运算；将k类干扰识别问题建模成k+1类分类问题，即{无干扰,干扰1
…
,干扰k}，在不同干信比的情况下生成接收信号r(t)，构造训练数据集其中，m为训练集样本数量，r
m
表示第m个输入信号，表示对应的种类，所设计的网络以r
m
为输入，预测对应的种类k'
m
。4.根据权利要求1所述的一种基于注意力机制的扩频通信干扰感知方法，其特征在于，所述步骤3包括以下内容：干扰感知transformer网络包含嵌入模块、孪生transformer模块以及门控模块，在嵌入模块中，为了处理连续频谱信号序列，通过全连接层和一个非线性激活函数tanh获得嵌入输出：e
t
＝tanh(fc[dft(r)])其中，fc表示全连接层映射，dft表示离散傅里叶变化；为了增加transformer对序列相关性的处理能力，增加位置嵌入，表示为：e2＝tanh([fc[dft(r)]])+pe其中，位置嵌入在孪生transformer模块中存在两个transformer结构，分别用于提取子载波间相关性和实部虚部之间的相关性，每个transformer结构由多个编码器构成，每个编码器由一个多头注意力机制、一个归一化层、一个前馈层、一个归一化层组成，两个transformer的最终输出表示为t1和t2；在门控模块将孪生transformer的输出进行整合，得到最终的分类结果；门控模块首先将两个transformer的输出向量进行连接后运用全连接层映射到向量h，可以表示为h＝w
l
concat(t1,t2)+b1，其中，w
l
和b1表示权重和偏置，运用softmax函数和全连接层进一步获得最终输出：g＝[g1,g2[＝softmax(h)y＝w
o
concat(g1t1,g2t2)+b
o
其中，g为系数，concat()表示向量连接函数，w
o
和b
o
表示输出层的参数。

技术总结
本发明公开了一种基于注意力机制的扩频通信干扰感知方法，包括步骤1：收集扩频通信任务中常见干扰信号种类并建模；步骤2：对信道环境建模，根据扩频通信系统构建接收信号模型，生成大量无干扰信号和不同干信比下的被干扰信号，构建训练数据集；步骤3：建立干扰感知Transformer网络，该网络由嵌入模块、孪生transformer模块、门控模块构成，其中，孪生transformer模块中包含两个transformer，分别用于学习子载波间相关特性和实部和虚部之间的相关特性；步骤4：利用训练数据集对所构建的干扰感知Transformer网络进行训练，获得网络参数；步骤5：固定网络参数，输入实时扩频接收信号频谱，网络完成干扰类型识别。网络完成干扰类型识别。网络完成干扰类型识别。


技术研发人员：韦逸 欧阳尚荣 李超 钱玉璧 谷晓鹰
受保护的技术使用者：上海航天测控通信研究所
技术研发日：2023.07.03
技术公布日：2023/9/22