[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
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 | ||
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。
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。