MétaCan
Menu
Retour à la cohorte
Enregistrement W4413463441 · doi:10.23977/acss.2025.090306

Research on anti-jamming transmission mechanism and intelligent modulation recognition algorithm of data link for complex battlefield environment

2025· article· en· W4413463441 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueAdvances in Computer Signals and Systems · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Signal Modulation Classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBattlefieldMechanism (biology)Link (geometry)Computer scienceJammingTransmission (telecommunications)Data transmissionData linkComputer networkAlgorithmTelecommunications

Résumé

récupéré en direct d'OpenAlex

Under the background of multi-domain joint operations in modern warfare, data link, as the "nerve center" of the battlefield, faces the severe challenge of high-density and multi-dimensional dynamic electromagnetic interference. The traditional data link system has an "adaptive dilemma" because it adopts a fixed anti-jamming strategy, and modulation recognition is limited by the performance bottleneck under low signal-to-noise ratio (SNR) and the "intelligent bottleneck" of insufficient generalization ability of deep learning model. Aiming at the above problems, this study constructs a closed-loop framework of "perception-decision-execution", and proposes a cross-layer cooperative anti-interference transmission mechanism and an intelligent modulation recognition algorithm. The anti-jamming transmission mechanism perceives the channel and interference characteristics in real time through lightweight convolutional neural network (CNN), and dynamically optimizes frequency hopping, direct sequence spread spectrum and power control strategies based on Dueling Double DQN (DDQN) algorithm to realize adaptive resource allocation. The design of the intelligent modulation recognition algorithm TFSC-Net (Time-Frequency-Symbolic Joint Network) dual-channel feature fusion model jointly extracts features from the time-frequency domain and symbol domain of the signal, and improves the recognition accuracy and generalization capability under low SNR by combining an enhanced loss function. Experimental results demonstrate that the proposed scheme achieves a low bit error rate of 8.7×10⁻⁵ and a throughput of 34.9 Mbps in a strong interference environment (JSR=20dB). TFSC-Net achieves a recognition rate of 89.4% at 0dB SNR and 97.3% at 10dB SNR, with a latency controlled at 13.8ms, balancing interference resistance, recognition accuracy, and real-time performance. The research findings provide technical support for enhancing the survivability of battlefield communications, strengthening electronic warfare advantages, and promoting the development of the next-generation data link system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,456

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,180
Tête enseignante GPT0,380
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle