[发明专利]一种信号识别方法及装置

权利要求书

1.一种信号识别方法，其特征在于，包括：

获取预设频段内的待识别信号；

确定所述待识别信号的目标时频图像；

提取所述目标时频图像的目标特征数据；

将所述目标特征数据输入预先训练好的信号识别模型，确定所述待识别信号的类型，其中，所述信号识别模型是通过预设训练集训练得到的模型，所述预设训练集包括所述预设频段内多个样本信号对应的样本时频图像的样本特征数据，以及每一样本信号的样本类型。

2.根据权利要求1所述的方法，其特征在于，所述确定所述待识别信号的目标时频图像的步骤，包括：

利用以下短时傅里叶变换公式，得到所述待识别信号的目标时频图像：

G_f(w,u)＝∫f(t)g(t-u)e^-jwtdt

其中，w为所述待识别信号的角频率，f为频率，t为时间t，u为预设时间窗口长度u，函数G_f(w,u)的值为频率分量的幅值，∫·dt为对t的积分操作，函数f(t)为所述待识别信号，函数g(t-u)为预设窗口函数，函数e^-jwt为复变函数，e为自然常数，j为虚数单位。

3.根据权利要求1所述的方法，其特征在于，所述提取所述目标时频图像中的目标特征数据的步骤，包括：

对所述目标时频图像进行特征提取，得到所述目标时频图像的多个特征点；

采用K-means聚类算法，对所述多个特征点进行聚类处理，得到K个类；

确定K个类中每个类包括的特征点的数量；

根据每个类包括的特征点的数量，确定所述目标时频图像中的目标特征数据。

4.根据权利要求3所述的方法，其特征在于，所述对所述目标时频图像进行特征提取，得到所述目标时频图像的多个特征点的步骤，包括：

利用加速稳健特征SURF算法，提取所述目标时频图像中的多个特征描述符，得到所述目标时频图像的多个特征点。

5.根据权利要求3所述的方法，其特征在于，所述根据每个类包括的特征点的数量，确定所述目标时频图像中的目标特征数据的步骤，包括：

根据每个类包括的特征点的数量，构建所述目标时频图像的第一特征点分布图；将所述第一特征点分布图确定为所述目标时频图像中的目标特征数据；或，

根据每个类包括的特征点的数量，统计每个类包括的特征点在所述目标时频图像中出现的概率，并根据每个类对应的概率，构建所述目标时频图像的第二特征点分布图；将所述第二特征点分布图确定为所述目标时频图像中的目标特征数据。

6.根据权利要求1所述的方法，其特征在于，所述信号识别模型采用如下步骤训练得到，包括：

获取所述预设训练集；

将多个样本特征数据分别输入预设的机器学习模型，确定每一样本信号的类型；

根据确定的每一样本信号的类型和每一样本信号的样本类型，计算损失值；

判断损失值是否小于预设阈值；

若否，则调整预设的机器学习模型的参数，返回执行所述将多个样本特征数据分别输入预设的机器学习模型，确定每一样本信号的类型的步骤；

若是，则将预设的机器学习模型确定为信号识别模型。

7.一种信号识别装置，其特征在于，包括：

第一获取模块，用于获取预设频段内的待识别信号；

第一确定模块，用于确定所述待识别信号的目标时频图像；

提取模块，用于提取所述目标时频图像的目标特征数据；

第二确定模块，用于将所述目标特征数据输入预先训练好的信号识别模型，确定所述待识别信号的类型，其中，所述信号识别模型是通过预设训练集训练得到的模型，所述预设训练集包括所述预设频段内多个样本信号对应的样本时频图像的样本特征数据，以及每一样本信号的样本类型。