[发明专利]一种基于滑动可训练算子的信号深度学习分类方法在审

专利信息
申请号: 202010685175.6 申请日: 2020-07-16
公开(公告)号: CN111985327A 公开(公告)日: 2020-11-24
发明(设计)人: 宣琦;崔慧;陈壮志;项靖阳;裘坤峰;钱佳能;李晓慧;邱君瀚 申请(专利权)人: 浙江工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 杭州天正专利事务所有限公司 33201 代理人: 王兵;黄美娟
地址: 310014 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 滑动 训练 算子 信号 深度 学习 分类 方法
【权利要求书】:

1.一种基于滑动可训练算子的信号深度学习分类方法,其特征在于,包括以下步骤:

S1:使用无线电信号作为样本数据,分别处理IQ信号的I通道和Q通道,将它们转换为不同的切片矩阵SI、SQ

S2:自定义一个可训练的算子矩阵FI,在训练过程中通过优化算法对FI进行更新;

S3:基于切片矩阵和算子矩阵,将I、Q通道的信号转换为信号特征矩阵MI、MQ

S4:算子和CNN进行端到端的训练,然后利用典型CNN(ResNet50)进行信号分类。

2.如权利要求1所述的一种基于滑动可训练算子的信号深度学习分类方法,其特征在于:所述步骤S1具体包括:

S1.1:使用无线电信号作为样本数据:

所使用的数据集包括但不限于11个调制类别:用于数字调制的BPSK、QPSK、8PSK、16QAM、64QAM、BFSK、CPFSK和PAM4,以及用于模拟调制的WB-FM、AM-SSB和AM-DSB;

S1.2:制作切片矩阵:

首先,分别处理IQ信号的I通道和Q通道,将它们转换为不同的矩阵,IQ信号可以表示为:

Ι=[i1,i2,i3,…,iΝ], (1)

Q=[q1,q2,q3,…,qN], (2)

其中,N是每个通道的信号长度,处理I、Q通道的操作相同,使用滑动窗口对信号的I通道进行采样,窗口的长度k是可调的,通过滑动窗口,得到长度为k的信号,滑动窗口从[i1,i2,...,ik]移至信号的末端[iN-k+1,iN-k+2,...,iN],默认将步幅设置为h=1,最后,将所有切片集合,得到一个切片矩阵SI,如下所示:

其中,切片矩阵大小为(N-k+1)×k,表示总共有N-k+1个长度为k的切片。

3.如权利要求1所述的一种基于滑动可训练算子的信号深度学习分类方法,其特征在于:所述步骤S2具体包括:

S2.1:自定义一个可训练的算子矩阵FI,其中元素α的初始值随机设置,矩阵表示为:

S2.2:在深度学习框架的训练过程中通过优化算法对可训练的算子矩阵FI进行更新。

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浙江工业大学,未经浙江工业大学许可,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/202010685175.6/1.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