一种基于度量-对抗学习的多传感器频谱异常检测方法

本发明公开了一种基于度量‑对抗学习的多传感器频谱异常检测方法，包括：通过多传感器并行采集的实时频谱数据作为输入，采用深度度量学习模型提取预处理后的频谱数据语义特征，建立语义中心特征向量，并计算向量之间的马氏距离作为频谱异常检测的第一度量指标；生成对抗网络模型用于重构频谱数据，获取重构误差作为第二度量指标；最终对两种度量进行加权处理得到最终度量，并计算度量与频谱训练异常阈值关系，判断异常情况。本发明采用多传感器并行采集的方式，有效检测了高维度未知位置及频率的非法频谱，扩大检测规模的同时，采用马氏距离与重构误差两种度量指标相结合的方式，提升了异常频谱检测的准确性及性能。