[发明专利]基于1D-CNN多域特征融合的OFDM雷达信号识别方法有效
| 申请号： | 201910446014.9 | 申请日： | 2019-05-27 |
| 公开（公告）号： | CN110222748B | 公开（公告）日： | 2022-12-20 |
| 发明（设计）人： | 葛鹏;金炜东;张文强;李冰 | 申请（专利权）人： | 西南交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G01S13/88 |
| 代理公司： | 成都信博专利代理有限责任公司 51200 | 代理人： | 卓仲阳;舒启龙 |
| 地址： | 610031 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于1D‑CNN多域特征融合的OFDM雷达信号识别方法，具体步骤为：1、采用两路一维卷积神经网络结构对OFDM雷达信号进行特征学习，分别学习OFDM雷达信号的时域和频域特征；2、将时域特征网络结构和频域特征网络结构学习到的OFDM雷达信号特征进行融合，形成多域特征融合网络结构；3、将OFDM雷达信号数据集，输入到多域特征融合网络结构中进行模型训练，通过训练得到雷达信号分类模型；4、将步骤3中训练得到的雷达信号分类模型，植入到工控计算机中，通过该模型实现真实环境的OFDM雷达信号调制方式识别；本发明更有利于快速学到表征信号的深层次特征，同时对OFDM雷达信号调制方式有更好的识别效果。 | ||
| 搜索关键词： | 基于 cnn 特征 融合 ofdm 雷达 信号 识别 方法 | ||
【主权项】：
1.一种基于1D‑CNN多域特征融合的OFDM雷达信号识别方法，其特征在于，包括以下步骤：步骤1：采用两路一维卷积神经网络结构对OFDN雷达信号进行特征学习，分别学习OFDM雷达信号的时域和频域特征；步骤2：将时域特征网络结构和频域特征网络结构学习到的OFDM雷达信号特征进行融合，形成多域特征融合网络结构；步骤3：将OFDM雷达信号数据集，输入到多域特征融合网络结构中进行模型训练，通过训练得到雷达信号分类模型；步骤4：将步骤3中训练得到的雷达信号分类模型，植入到工控计算机中，通过该模型实现真实环境的OFDM雷达信号调制方式识别。
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西南交通大学，未经西南交通大学许可，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/201910446014.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种优化的聚类方法
- 下一篇：一种可见光图像与红外图像匹配方法
