[发明专利]基于1D-CNN多域特征融合的OFDM雷达信号识别方法有效

专利信息
申请号: 201910446014.9 申请日: 2019-05-27
公开(公告)号: CN110222748B 公开(公告)日: 2022-12-20
发明(设计)人: 葛鹏;金炜东;张文强;李冰 申请(专利权)人: 西南交通大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/08;G01S13/88
代理公司: 成都信博专利代理有限责任公司 51200 代理人: 卓仲阳;舒启龙
地址: 610031 四川省成都市*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 cnn 特征 融合 ofdm 雷达 信号 识别 方法
【权利要求书】:

1.一种基于1D-CNN多域特征融合的OFDM雷达信号识别方法,其特征在于,包括以下步骤:

步骤1:采用两路一维卷积神经网络结构对OFDN雷达信号进行特征学习,分别学习OFDM雷达信号的时域和频域特征;

学习时域特征的网络结构具体为:输入层、卷积层、池化层、卷积层、GlobalAveragePooling1D、全连接层、Dropout;学习频域特征的网络结构具体为:输入层、Lambda、卷积层、池化层、卷积层、GlobalAveragePooling1D、全连接层、Dropout;所述Lambda层为定义的傅里叶变换层;

步骤2:将时域特征网络结构和频域特征网络结构学习到的OFDM雷达信号特征进行融合,形成多域特征融合网络结构;

步骤3:将OFDM雷达信号数据集,输入到多域特征融合网络结构中进行模型训练,通过训练得到雷达信号分类模型;

步骤4:将步骤3中训练得到的雷达信号分类模型,植入到工控计算机中,通过该模型实现真实环境的OFDM雷达信号调制方式识别。

2.根据权利要求1所述的一种基于1D-CNN多域特征融合的OFDM雷达信号识别方法,其特征在于,所述步骤2具体为:将时域特征和频域特征进行融合,融合的方式是通过Add层做加法;然后连接全连接层、Dropout、输出层。

3.根据权利要求1或2所述的一种基于1D-CNN多域特征融合的OFDM雷达信号识别方法,其特征在于,所述Dropout层为防止网络的过拟合。

4.根据权利要求1所述的一种基于1D-CNN多域特征融合的OFDM雷达信号识别方法,其特征在于,所述OFDM雷达信号包括PSK-OFDM雷达信号、LFM-OFDM雷达信号和MLFM-OFDM雷达信号三类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学,未经西南交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910446014.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top