认知信号分类：利用人工智能提高频谱感知能力

电波之矛

于 2024-08-26 22:59:05 发布

阅读量1k

点赞数 30

文章标签：人工智能分类数据挖掘

本文链接：https://blog.csdn.net/2402_85785708/article/details/141575594

版权

提高射频频谱感知能力对于电子情报（ELINT）和一般电子战（EW）应用至关重要。

总体而言，这是提高频谱共享效率的基础。这一点非常重要，因为有更多的无线电、通信系统、雷达和许多其他应用（包括物联网设备）在频谱中运行，而电子战只是其中的一个子集。

在这种拥挤的电磁环境情况下，敌方辐射源在伪自己的特征方面变得更加聪明，看起来就像中立的辐射源。

人工智能系统在各种信噪比的信号分类中都能胜过传统方法。我们将这种技术称为认知信号分类器。

2016 年在美国弗吉尼亚州成立的DeepSig公司开发了OmniSIG™ 传感器解决方案，利用人工智能（AI）进行信号识别和分类，在电子战和电子情报应用中非常有效。

OmniSIG™ 传感器可在非常宽的频谱范围内对射频辐射进行检测和分类。它还能实时报告异常、变化或威胁。它既能检测宽带信号，也能检测窄带信号，并能在高动态信号和有争议的战术场景中提供准确的结果。

检测和识别的信号类型非常广泛，系统已经对这些信号类型进行了训练。该系统还可扩展到其他信号和协议。这可以通过OmniSIG™ Studio工具实现，该工具允许您加入自定义数据、信号和特征，以完成人工智能算法的训练，并根据特定知识和场景优化分类器。

OmniSIG™ 传感器可在各种计算架构中实施，并使用图形处理器 (GPU) 加速。架构的选择会影响分类系统的动态，从而影响实时或接近实时的操作。不同的战术和作战场景可能需要不同的计算架构，从机架式多 GPU（Nvidia）服务器到基于 Nvidia Jetson SOM 的耐用边缘设备。

E4 计算机工程公司已与 DeepSig 签订了欧洲市场合作协议，能够提供符合战术应用场景要求的最佳处理架构。

OmniSIG传感器：新一代射频感知

OmniSIG 是一款机器学习 (ML) 软件应用程序，可为各种无线电系统提供射频态势感知。DeepSig 的定制神经网络可对已知和未知射频信号进行实时识别、分类和定位，实现自动告警和反应，并基于开放标准描述信号活动。

功能特点

实时信号异常检测和定位

通过信号类型的识别、分类和定位，可实时捕捉未知信号、异常或频谱的意外变化，以便日后分析或立即采取后续行动。

速度快 1000 倍

OmniSIG 优化的人工智能检测和识别信号的速度明显快于传统方法，可对关键任务情况做出实时反应。

多功能宽带频谱感知

在高达 500MHz 的瞬时带宽上同时快速识别信号类型。广泛应用于 100 MHz 至 6 GHz 的辐射源，但基于人工智能的方法与频段无关。

灵活的无线电和开放式集成支持

与 COTS 软件定义无线电（如 Epiq Sidekiq、NI USRP、Signalhound）、VITA-49 标准和军用通用模块化开放无线电频率架构 (MORA) 标准具有广泛的输入兼容性。支持开放标准，包括 JavaScript Object Notation (JSON) 和 SigMF、syslog 和 Elastic，以实现快速的第三方集成和互操作性。

可扩展的计算平台容量

基于英伟达™（NVIDIA®）、英特尔®（Intel®）、AMD 和 ARM® 的计算平台，高效运行时允许从 HPC/数据中心到紧凑型移动和嵌入式平台进行扩展部署，以满足各种传感容量和 SWaP要求。

架构

OmniSIG 的人工智能信号检测和分类设计用于处理由受支持的第三方无线电设备和平台通过 VITA-49 数据流接收的实时无线数据（IQ 数据）。无线电设备与 OmniSIG 软件之间的连接可通过 USB、以太网或光纤等通用接口进行本地或远程连接，具体取决于可用的 IT 网络。OmniSIG 软件可在 Linux® 平台上运行，支持一系列处理器，包括 ARM、x86 或 GPU。OmniSIG 可在容器中完全虚拟化。还支持 FPGA 和基于云的部署。