[发明专利]基于深度时序神经网络的信号分类识别方法、系统及设备

权利要求书

1.一种基于深度时序神经网络的信号分类识别方法，其特征在于，所述方法包括：

对输入深度时序神经网络的数据进行归一化处理；

将归一化处理后的数据输入所述深度时序神经网络进行特征提取；

对最终的特征提取到的信号种类信息做最后的结果判定。

2.根据权利要求1所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述对输入深度时序神经网络的数据进行归一化处理，包括：

对输入的复数形式信号进行向量化处理；

然后将向量化后的数据进行数据归一化处理。

3.根据权利要求1所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述深度时序神经网络包括多个LSTM层、全连接层和Dense层，所述LSTM层与所述全连接层之间插入Dropout层。

4.根据权利要求3所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述将归一化处理后的数据输入所述深度时序神经网络进行特征提取包括：通过多层的LSTM层和Dropout层的组合，形成信号的种类区分的特征提取及提高泛化能力的中间多层，完成信号种类的特征提取。

5.根据权利要求4所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述对最终的特征提取到的信号种类信息做最后的结果判定包括：采用Dense层的形式进行最终的信号种类判断，然后将判定结果输出。

6.根据权利要求1所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述深度时序神经网络最小化正向传递和反向传递之间的连接，以降低梯度消失的几率。

7.根据权利要求1所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述深度时序神经网络第一层和后续层之间建立跨层连接，以降低梯度消失的几率。

8.根据权利要求3所述的基于深度时序神经网络的信号分类识别方法，其特征在于，所述从信号发端到信号收端会经历不同的传输路径，所述LSTM层通过自身的长序列处理能力来识别通过多径干扰带来的信号识别干扰。

9.一种基于深度时序神经网络的信号分类识别系统，其特征在于，所述系统包括：

归一化处理模块，用于对输入深度时序神经网络的数据进行归一化处理；

特征提取模块，用于将归一化处理后的数据输入所述深度时序神经网络进行特征提取；

判定输出模块，用于对最终的特征提取到的信号种类信息做最后的结果判定。

10.一种设备，其特征在于，包括：

处理器；

存储器，用于存储计算机可执行指令；

当所述处理器执行所述计算机可执行指令时，所述处理器执行权利要求1-8任一项所述的基于深度时序神经网络的信号分类识别方法。