[論文レビュー] Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional Interference Cancellation Network

Nguyễn Ngọc Hải, Guevara Noubir|arXiv (Cornell University)|Mar 18, 2022

Wireless Signal Modulation Classification被引用数 4

ひとこと要約

本稿では、訓練用シーケンス、チャネル推定、送信機協調を必要とせず、マルチアンテナシステムにおける強いジャマーの検出およびキャンセレーションを実現する、普遍的でAI駆動の抗ジャミングソリューションを提案する。この手法は、ジャマー検出精度が99%を超えるとともに、正当な信号よりも18 dB強いジャマーに対しても誤りビットレート（BER）が10⁻⁶にまで低下し、さまざまな変調方式や環境条件下でも高い耐障害性を示した。

ABSTRACT

Wireless links are increasingly used to deliver critical services, while intentional interference (jamming) remains a very serious threat to such services. In this paper, we are concerned with the design and evaluation of a universal anti-jamming building block, that is agnostic to the specifics of the communication link and can therefore be combined with existing technologies. We believe that such a block should not require explicit probes, sounding, training sequences, channel estimation, or even the cooperation of the transmitter. To meet these requirements, we propose an approach that relies on advances in Machine Learning, and the promises of neural accelerators and software defined radios. We identify and address multiple challenges, resulting in a convolutional neural network architecture and models for a multi-antenna system to infer the existence of interference, the number of interfering emissions and their respective phases. This information is continuously fed into an algorithm that cancels the interfering signal. We develop a two-antenna prototype system and evaluate our jamming cancellation approach in various environment settings and modulation schemes using Software Defined Radio platforms. We demonstrate that the receiving node equipped with our approach can detect a jammer with over 99% of accuracy and achieve a Bit Error Rate (BER) as low as $10^{-6}$ even when the jammer power is nearly two orders of magnitude (18 dB) higher than the legitimate signal, and without requiring modifications to the link modulation. In non-adversarial settings, our approach can have other advantages such as detecting and mitigating collisions.

研究の動機と目的

• 通信リンクの詳細に依存しない普遍的な抗ジャミングブロックを設計すること。送信機協調や明示的なプローブを必要としないこと。
• 現実の無線環境において、信号よりも最大18 dB強いジャマーを検出し、キャンセルする課題に対処すること。
• 訓練用シーケンス、チャネル推定、既存の変調方式の変更なしに動作する機械学習ベースのソリューションを開発すること。
• ソフトウェア定義無線（SDR）プロトタイプを用いて、さまざまな変調方式および伝搬環境においてこの手法を評価すること。
• 実用的なマルチアンテナシステムにおけるリアルタイムで普遍的な物理層抗ジャミングに深層学習を適用する可能性を実証すること。

提案手法

• 独自に開発した畳み込みニューラルネットワーク（CNN）を、訓練用シーケンスやチャネル状態情報なしに、受信信号の生のRF信号から干渉の有無、干渉信号の数、およびそれぞれの位相を推定できるように学習させる。
• 2アンテナ受信機のベースバンドI/Qサンプルを処理することで、CNNがリアルタイムに干渉特性を推定する。
• 推定された干渉パラメータをリアルタイムキャンセレーションアルゴリズムに供給し、位相および振幅を調整したノイジングを適用してジャミング信号を抑制する。
• 訓練用シーケンス、パイロットトーン、チャネル状態情報に依存せず、生信号観測にのみ依存して動作する。
• USRPソフトウェア定義無線を用いて2アンテナSDRプロトタイプを実装し、実環境での手法の妥当性を検証する。
• 多様な信号設定でCNNを学習させることで、変調タイプや伝搬条件の多様性にわたる一般化を確保する。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、訓練用シーケンスやチャネル推定を必要とせず、リアルタイムに複数のジャマーを検出し、特徴を特定できるか？
• RQ2 CNNベースのアプローチは、信号よりも著しく強い（最大18 dB）ジャマーを効果的にキャンセルできるか？
• RQ3 提案された抗ジャミングシステムは、さまざまな変調方式や伝搬環境において、低誤りビットレート（BER）をどれほど維持できるか？
• RQ4 既存の無線通信リンクに対して、変調方式やシグナリングプロトコルの変更なしに、普遍的な適用性を達成できるか？
• RQ5 衝突検出や緩和といった非敵対的状況下でも、このシステムはどの程度の性能を示すか？

主な発見

• 提案されたCNNベースの抗ジャミングシステムは、多様なテスト設定においてジャマーの存在を99%を超える精度で検出できた。
• ジャマー電力が正当な信号よりも18 dB高い状況下でも、誤りビットレート（BER）が10⁻⁶にまで低下した。
• QPSK、16-QAM、64-QAMを含む複数の変調方式で有効であり、リンクの変調方式やシグナリングに変更を加える必要がなかった。
• マルチパス環境においても干渉を効果的に検出し、抑制できた。これは、視線内（Line-of-Sight）の仮定を超えた耐障害性を示している。
• 訓練用シーケンス、チャネル推定、送信機協調なしに普遍的な抗ジャミングを実現でき、既存の無線システムへの導入が可能である。
• SDRプラットフォームへのプロトタイプ実装により、実環境における手法の実現可能性とリアルタイム性能が確認された。