[发明专利]干扰识别方法、装置和终端设备

权利要求书

1.一种干扰识别装置，其中，所述装置包括：

获取单元，其用于获取多个超级窗口中每个超级窗口内的信号强度序列样本；

标记单元，其用于使用每个超级窗口内的信号强度序列样本的频域特征中的基频，对所述超级窗口进行标记；其中，每个所述超级窗口划分为第二数量个第一检测窗口，每个第一检测窗口的标记与其所属的超级窗口的标记相同；

训练单元，其用于根据被标记的第一检测窗口的信号强度序列样本和对应的标记对深度神经网络进行训练，得到干扰识别模型；

识别单元，其用于将大小为所述第一检测窗口内的测试信号强度序列输入至所述干扰识别模型中，得到干扰识别结果。

2.根据权利要求1所述的装置，其中，所述标记单元包括：

变换模块，其用于对每个超级窗口内的信号强度序列样本作时频变换，得到每个超级窗口内的信号强度序列样本的频域特征；

确定模块，其用于确定所述频域特征中的基频；根据所述基频确定第一数量个干扰频率；

标记模块，其用于根据所述第一数量个干扰频率，对对应所述干扰频率的超级窗口进行标记。

3.根据权利要求2所述的装置，其中，所述确定模块在所述多个超级窗口对应的频域特征中相同基频的超级窗口数超过第一阈值时，将所述相同基频确定为干扰频率，以获得所述第一数量个干扰频率；

所述标记模块在所述干扰频率是直流分量时，将对应的超级窗口标记为无干扰，在所述干扰频率为大于0Hz的第一值时，将对应的超级窗口标记为被发射频率周期为所述第一值的电磁波干扰。

4.根据权利要求3所述的装置，其中，所述训练单元将每个第一检测窗口对应的信号强度序列样本，作为第一训练数据；将一个第一检测窗口对应的第一训练数据作为所述深度神经网络的输入，将与所述第一检测窗口对应的标记作为所述深度神经网络的输出，对所述深度神经网络进行训练，得到干扰识别模型，所述干扰识别模型的识别类型的数量等于所述第一数量。

5.根据权利要求1所述的装置，其中，所述装置还包括：

确定单元，其用于确定所述多个超级窗口中除被标记的超级窗口外的其他未标记的超级窗口；

并且，所述训练单元还用于将所述未标记的超级窗口划分为第三数量个第二检测窗口，并得到每个第二检测窗口对应的信号强度序列样本，作为第二训练数据；将一个第二检测窗口对应的第二训练数据作为所述深度神经网络的输入，根据训练后得到的干扰识别模型，对第二训练数据对应的第二检测窗口进行预测，根据预测结果对第二检测窗口的第二训练数据进行标记。

6.根据权利要求5所述的装置，其中，所述训练单元还用于

将一个第二检测窗口对应的第二训练数据作为所述深度神经网络的输入，将与所述第二检测窗口对应的标记作为所述深度神经网络的输出，对所述深度神经网络进行再次训练，得到更新后的干扰识别模型。

7.根据权利要求4所述的装置，其中，所述装置还包括：

过滤单元，其用于将被标记为无干扰的超级窗口的信号强度序列样本中小于第二阈值的信号强度序列样本修改为预定信号强度；

并且，所述标记单元还用于将修改后的被标记为无干扰的超级窗口的信号强度序列样本作时频变换，得到每个超级窗口内的信号强度序列样本的频域特征；根据修改后的被标记为无干扰的超级窗口内的信号强度序列样本的频域特征中的基频确定第四数量个干扰频率，确定所述第四数量个干扰频率对应的超级窗口；将所述第四数量个干扰频率对应的超级窗口的中的预定信号强度恢复成修改前的值，然后划分为第五数量个第三检测窗口，在所述第三检测窗口中存在信号强度大于或等于所述第二阈值的信号强度序列样本时，将所述第三检测窗口标记为无线通信信号干扰；

所述训练单元还用于将被标记为无线通信信号干扰的第三检测窗口的信号强度序列样本作为第三训练数据，将一个第三检测窗口对应的第三训练数据作为所述深度神经网络的输入，将所述无线通信信号干扰的标记作为所述深度神经网络的输出，对所述深度神经网络进行训练，得到干扰识别模型，所述干扰识别模型的识别类型的数量等于所述第一数量加1。