发射无线电波的电子设备激增导致射频 (RF) 频谱拥塞。这对美国防部（DOD）的环境构成了重大威胁，尤其是严重依赖卫星系统的海军通信，因为卫星系统很容易受到电磁干扰。缺乏足够的干扰识别和鉴定能力进一步加剧了海军部队面临的作战风险。本论文研究利用机器学习（ML）技术检测射频传输中的干扰。凭借先进的数据分析和模式识别能力，ML 算法可增强干扰检测和缓解能力。研究人员评估了基本自动编码器和长短期记忆（LSTM）自动编码器这两种架构识别数据集中异常射频数据的能力。研究方法包括在基本传输路径中生成具有不同加性白高斯噪声（AWGN）水平的射频数据。使用正常射频数据训练 ML 模型，并评估其检测和分类有干扰和无干扰信号的能力。结果表明，基本自动编码器和 LSTM 自动编码器模型都能有效识别干扰。LSTM 自编码器的成功率约为 99%，这表明它们有望成为解决干扰识别能力差距的解决方案。