基于多任务卷积神经网络的无人机数据链电磁干扰威胁评估

在这项工作中，提出了一种具有多输入的多任务卷积神经网络（MIMT-CNN）用于识别电磁干扰（EMI）信号和评估无人机（UAV）数据链的电磁环境风险。通过实验获得了无人机数据链的电磁敏感性可视化性能参数、短时傅里叶变换（STFT）谱图和星座图。特别地，通过计算采样点的密度分布进一步增强星座图，以获取归一化密度星座图。将上述不同类别的图像作为预期模型的输入，提取并融合多元素和高相关性的EMI特征。此外，在训练模型中采用串并联连接结构，同时使用贝叶斯优化选择超参数。在这种情况下，可以获得更高可靠性的感知模型。在此基础上，比较了具有不同输入通道的模型的性能和复杂性。结果表明，输入星座图，特别是归一化密度星座图，可以显著提高模型的准确性。此外，使用可视化性能参数和STFT谱图作为输入的模型表现也更好。