[发明专利]基于卷积神经网络的深度学习智能星座图分析方法有效
| 申请号： | 201710533175.2 | 申请日： | 2017-07-03 |
| 公开（公告）号： | CN107342962B | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 王丹石;张民;李建强;李进 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | H04L27/34 | 分类号： | H04L27/34;H04L12/24;G06N3/08 |
| 代理公司： | 11002 北京路浩知识产权代理有限公司 | 代理人： | 王庆龙 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的深度学习智能星座图分析方法，涉及光通信技术领域，其中通过搭建并训练卷积神经网络模块对星座图进行性能分析，包括以下步骤：获取星座图训练数据集；对星座图进行预处理；训练CNN模块进行特征提取；将所需分析的星座图经预处理后输入训练完成的CNN模块进行模式识别和性能分析；输出分析结果。本发明将基于卷积神经网络的深度学习技术应用到星座图分析中，解决了传统星座图性能分析中无法直接处理原始数据、需进行人工干预的问题，利用CNN实现了星座图原始图像信息分析的智能化和自动化，可以作为示波器的星座图软件处理模块及仿真软件的星座图分析模块，进而嵌入到测试仪器中进行智能信号分析和性能监测。 | ||
| 搜索关键词： | 基于 卷积 神经网络 深度 学习 智能 星座图 分析 方法 | ||
【主权项】：
1.一种基于卷积神经网络的深度学习智能星座图分析方法，其特征在于，将基于卷积神经网络的深度学习技术应用到星座图分析中，利用卷积神经网络对星座图进行多种性能分析，所述方法包括以下步骤：/n步骤一、获取所需分析的星座图训练数据集，采集星座图的各种性能不同指标情况下的训练数据集，其中，训练数据集中的每组数据由输入为星座图图像和输出为特定性能的特定指标信息对构成；/n步骤二、星座图图像预处理；/n步骤三、训练卷积神经网络CNN模块对星座图进行特征提取；/n步骤四、将所需分析星座图输入训练完成的CNN模块进行模式识别和性能分析；/n步骤五、输出分析结果。/n
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北京邮电大学，未经北京邮电大学许可，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/patent/201710533175.2/，转载请声明来源钻瓜专利网。
- 上一篇：四相移键控解调变器
- 下一篇：手机无线取证的方法和装置
