[发明专利]干扰类型识别模型的构建方法和系统在审
| 申请号： | 201711422031.6 | 申请日： | 2017-12-25 |
| 公开（公告）号： | CN108135003A | 公开（公告）日： | 2018-06-08 |
| 发明（设计）人： | 伍洪斌;陈超 | 申请（专利权）人： | 广东海格怡创科技有限公司 |
| 主分类号： | H04W16/14 | 分类号： | H04W16/14;G06K9/62;G06N3/08 |
| 代理公司： | 广州华进联合专利商标代理有限公司 44224 | 代理人： | 余永文 |
| 地址： | 510627 广东省广州市天*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及移动通信领域，特别是涉及一种干扰类型识别模型的构建方法和系统。本方案包括以下步骤：基于DNN技术生成干扰类型识别的神经网络模型；从干扰信号获取干扰波形数据，根据干扰信号的干扰类型对干扰波形数据进行标注，根据干扰波形数据及其对应标注的干扰类型获取干扰数据样本，并形成干扰数据样本集；从干扰数据样本集中随机选取若干个干扰数据样本形成干扰数据训练集，根据干扰数据训练集对神经网络模型进行训练；若训练结果达到预设条件时，保存神经网络模型的模型参数，得到干扰类型识别模型。上述干扰类型识别模型可以对干扰的类型进行快速识别，减少资源的浪费，提高对干扰类型的分类效率。 | ||
| 搜索关键词： | 干扰类型 干扰数据 干扰波形数据 神经网络模型 样本 干扰信号 训练集 构建 标注 移动通信领域 分类效率 快速识别 模型参数 随机选取 训练结果 预设条件 样本集 保存 | ||
【主权项】：
一种干扰类型识别模型的构建方法，其特征在于，包括以下步骤：基于DNN技术生成干扰类型识别的神经网络模型；从干扰信号获取干扰波形数据，根据干扰信号的干扰类型对所述干扰波形数据进行标注，根据干扰波形数据及其对应标注的干扰类型获取干扰数据样本，并形成干扰数据样本集；从所述干扰数据样本集中随机选取若干个干扰数据样本形成干扰数据训练集，根据所述干扰数据训练集对所述神经网络模型进行训练；若训练结果达到预设条件时，保存所述神经网络模型的模型参数，得到干扰类型识别模型。
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广东海格怡创科技有限公司，未经广东海格怡创科技有限公司许可，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/201711422031.6/，转载请声明来源钻瓜专利网。
