Özet:
Radyo frekansı paraziti (RFI), güvenlik açısından kritik uygulamalarda GNSS için önemli bir tehdit olmaya devam etmektedir. Tek bir azaltma yöntemi tüm girişimciler için etkili olmadığından, çalışma sırasında uygun karşı önlemleri seçmek için güvenilir sınıflandırmaya ihtiyaç vardır. Kilit kaybını önlemek için, RFI sınıflandırması gerçek zamanlı olarak, tipik olarak kaynak kısıtlı gömülü platformlarda çalışmalı ve hafif algoritmalar gerektirmelidir. Önceki çalışmalar bunu belirli türdeki engelleyicileri tespit etmek ve karakterize etmek için basit kural tabanlı algoritmalarla gerçekleştirirken, bu yaklaşım tüm olası RFI tekniklerinin geniş alanını ölçeklendirmez ve veri odaklı öğrenilmiş algoritmalar daha iyi bir uyum sağlar. Bu kısıtlamaları karşılamak için bu çalışma, hala yüksek doğruluk sağlayan kompakt algoritmalara vurgu yaparak ön korelasyon RFI sınıflandırmasını ele almaktadır. İlk olarak, sanal bir uyarlanabilir çentik filtresinin (ANF) anlık frekans tahminlerinden türetilen yeni bir dizi hafif giriş özelliği sunuyoruz. Bu yeni özellikleri önceki literatürdeki diğer spektral özelliklerle birleştirerek hem dar bant hem de geniş bant durağan olmayan RFI için gelişmiş sınıflandırma doğruluğu gözlemliyoruz. Daha sonra, sıkı hesaplama ve bellek bütçeleri altında doğru tahmin için gradyan destekli karar ağaçları gibi kompakt öğrenilmiş sınıflandırıcıları karşılaştırıyoruz. Değerlendirme, son çalışmalardan kamuya açık veri kümeleri de dahil olmak üzere geniş bir simüle edilmiş ve kaydedilmiş RFI olayları kümesini kapsamaktadır. Son olarak, kompakt bir CRPA platformunda (EDGE Microwave HEDGE-8008) modellerimiz ve literatürdeki temsili yöntemler için kaynak kullanımını ölçüyoruz.
Önemli noktalar:
- Sanal-ANF tabanlı uzman özellikleri, geleneksel spektral (STFT) uzman özelliklerini tamamlayarak son derece hafif ön korelasyon girişim sınıflandırıcıları sağlar.
- Sanal ANF hiperparametrelerinin ayarlanması, sınıflandırma performansı üzerinde minimum etkiye sahiptir ve sağlam dağıtımı kolaylaştırır.
- Sanal ANF özellikleri özellikle darbeli parazitlerin tespitinde üstünlük sağlayarak mevcut sınıflandırma zincirlerindeki eksik halkayı tamamlar.
