[发明专利]基于长短期记忆神经网络的编码特征识别方法在审
| 申请号： | 202210913765.9 | 申请日： | 2022-08-01 |
| 公开（公告）号： | CN115314158A | 公开（公告）日： | 2022-11-08 |
| 发明（设计）人： | 王俊;林瑞全;鲍家旺;马驰;刘明轩 | 申请（专利权）人： | 福州大学 |
| 主分类号： | H04L1/00 | 分类号： | H04L1/00;H04L25/02 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 丘鸿超;蔡学俊 |
| 地址： | 350108 福建省福州市*** | 国省代码： | 福建;35 |
| 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 短期 记忆 神经网络 编码 特征 识别 方法 | ||
1.一种基于长短期记忆神经网络的编码特征识别方法，其特征在于：针对接受到的LDPC码信号，仿真生成高斯白噪声信道下的信号数据集，并将其按一定比例分割作为网络结构的训练，验证和测试使用，利用训练数据进行网络结构参数的训练，以建立输入数据与编码特征的映射关系，通过训练完毕后的LSTM神经网络对LDPC码的特征进行识别。
2.根据权利要求1所述的基于长短期记忆神经网络的编码特征识别方法，其特征在于：所述生成高斯白噪声信道下的信号数据集具体为：在MATLAB中用LDPC编码器对随机信号进行编码，其次对其进行QPSK调制，添加高斯白噪声后进行QPSK解调，解调后构成数据集。
3.根据权利要求1所述的基于长短期记忆神经网络的编码特征识别方法，其特征在于：所述LSTM神经网络的第一层为全连接层，激活函数采用线性整流函数，第二层为LSTM层，第三层为Dropout层用于防止模型过拟合，Dropout层的丢失率为0.5；
第四层为全连接层，激活函数采用逻辑回归函数。
4.根据权利要求1所述的基于长短期记忆神经网络的编码特征识别方法，其特征在于：在训练过程中，按给定的不同代码速率的LDPC码对电磁频谱入侵信号进行编码、加噪，随后带入LSTM网络进行训练，让网络能够识别出LDPC码的编码方式；所述码速率指定为1/4, 1/3, 2/5, 1/2, 3/5, 2/3, 3/4, 4/5, 5/6, 8/9，或9/10时，网络可提取特征的编码信号共11种样式。
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福州大学，未经福州大学许可，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/202210913765.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种羊胎素生产设备及生产工艺
- 下一篇：用于复杂场景形貌测量的相位解包裹方法
