[发明专利]一种用于AI赋能定时同步的神经网络轻量化设计方法

权利要求书

1.一种用于AI赋能的定时同步的神经网络轻量化设计方法，其特征在于，其包括：

S1构建包括依次相连的卷积层模块和全连接层模块的卷积神经网络，所述卷积层模块包括依次拼接的初始层、汇聚层和精炼层，其中，所述初始层包括第一参数识别单元、第一参数初始化单元和第一卷积层，所述汇聚层包括第二参数初始化单元和第二卷积层，所述精炼层包括第三参数初始化单元和第三卷积层，各卷积层之间采用级联的连接方式；所述全连接层模块包括含有τ_max+1个输出神经元结点的全连接层和采用softmax激活函数的输出层，其中τ_max表示通过实际测量得到最大可能传播时延；

S2根据定时同步训练序列的长度N和调谐参数k、及通过所述第一参数识别单元获得的该定时同步训练序列对应的接收并堆栈存储的信号y的输入特征个数K，设计所述初始层的感受野参数；

S3根据针对所述同步训练序列设置的定时同步保护间隔G、所述调谐参数k、所述初始层第一参数识别单元得到的输入特征个数K及所述初始层的感受野参数，设计所述汇聚层的感受野参数；

S4根据所述定时同步保护间隔G、所述调谐参数k、及所述汇聚层的感受野参数，设计所述精炼层的感受野参数；

S5根据所述初始层的感受野参数、所述汇聚层的感受野参数、所述精炼层的感受野参数确定所述卷积层模块，所得卷积神经网络即为可实现AI赋能定时同步的轻量化卷积神经网络；

其中，所述感受野参数包括卷积核大小和卷积核个数。

2.根据权利要求1所述的方法，其特征在于，所述初始层的感受野参数通过以下计算模型获得：

Q＝(2+k)N

其中，Q表示所述第一卷积层的卷积核大小；k表示调谐参数，其取值范围为{-1,0}之间的整数；K表示长度为M的接收堆栈信号y的初始提取特征的个数；C_α表示初始层卷积核数量；长度N为收发双方已知，根据工程经验设置。

3.根据权利要求2所述的设计方法，其特征在于，所述汇聚层的感受野参数通过以下计算模型获得：

C_β＝max(C_α,(2+k)K)

其中，P表示汇聚层的所述第二卷积层卷积核大小；表示为向上取整；C_β表示所述第二卷积层的卷积核个数。

4.根据权利要求3所述的设计方法，其特征在于，所述精炼层的感受野参数通过以下计算模型获得：

其中，L表示精炼层的所述第三卷积层的卷积核大小，C_γ表示所述第三卷积层的卷积核个数。