复旦大学孙刚教授团队——基于可学习核与条件生成对抗网络的民航VHF 通信实时异常检测方法 | MDPI Aerospace

背景:民航甚高频(VHF)通信是飞行员与空管之间语音和数据交互的核心链路，但受气象变化、电磁干扰、设备老化等因素影响，VHF链路常出现信号衰减、误码率上升等弱异常与渐进式退化，且异常特征隐蔽、间歇性强、样本分布严重不平衡。研究目的:针对上述难点，复旦大学孙刚教授团队提出了一种基于可学习核投影与条件生成对抗网络的实时异常端到端智能检测方法(LKRP–CT-WGAN–CNN–LSTM)，以实现对民航VHF通信异常的高精度、实时检测。结论:基于约120万帧通信记录的实际数据集进行实验，结果表明该方法在非平稳信道及高度类别不平衡条件下F1-score达0.947，ROC-AUC为0.972；引入CT-WGAN后少数类异常识别能力提升约5%；模型推理延迟约34.7ms，满足实时需求；在未见异常类型场景下仍维持约0.92的F1-score，具备一定泛化能力。该研究为复杂通信环境下的状态监测提供了可行的数据驱动技术思路。