基于机器学习的卫星干扰源定位系统.PDF

电波 IGITCW 卫士 D Radio Wave Guard 基于机器学习的卫星干扰源定位系统 郝 才 勇 ，钱 宁 铁 （国家无线电监测中心深圳监测站，深圳 518120） 摘要：针对卫星干扰源定位系统的自动化程度低，定位质量依赖于操作者的经验，且系统定位性能难以优化的问题， 本文提出了基于机器学习的卫星干扰源定位系统，利用定位过程对参数的调整和定位结果的质量指标数据来训练定位系 统，学习定位规则和隐含在定位数据中的模式，从而在新的定位任务中具备较好的预测和决策能力，提高系统自动化水平和 定位质量。 关键词：卫 星 干 扰 源 ；定 位 ；机 器 学 习 ；邻 星 推 荐 doi：10.3969/J.ISSN.1672-7274.2016.10.015 中图分类号：TN927 文献标示码：A 文章编码：1672-7274（2016）10-0052-04 Satellite Interference Geolocation System Based on Machine Learning Hao Caiyong, Qian Ningtie (Shenzhen Station of State Radio Monitoring Center, Shenzhen, 518120) Abstract: To address the problem of low automation level in satellite interference geolocation system, geolocation quality depends on the operators experience, and the difficult of system performanceoptimization, proposed satellite interference geolocation system based on machine learning. Leverages the parameters adjustment in geolocation procedure and the quality indicators of location result to train geolocation system, learn geolocation rules and potential patterns from the location data. Then the system achieves better prediction and decision-making capacity for the new geolocation tasks, and improves the automation degree and geolocation quality. Keywords: satellite interference; geolocation; machine leaning; adjacent satelliterecommendation 1 引言 机器学习研究的是通过计算手段从数据和经验 和图像识别、垃圾邮件分类、基因诊断、股票预测、 中学习，提取数据中的重要规则和趋势，从而揭示 网页搜索、商品推荐、异常检测等方面有着广泛的 数据的真实含义并改善系统性能。机器学习在语音