[发明专利]一种基于神经网络的多模态特征融合调制识别方法和系统在审
| 申请号： | 201910699246.5 | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110490095A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 王彬;姜楠;侯越圣;李勇斌;张连海;邵高平;黄焱;马金全;戴卫华 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 41111 郑州大通专利商标代理有限公司 | 代理人： | 张立强<国际申请>=<国际公布>=<进入 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于神经网络的多模态特征融合调制识别方法和系统。本发明首先将待识别信号转换到预定的模态域；利用预训练好的异构神经网络从对应的模态域信号中提取特征向量；将神经网络从待识别信号的不同模态域中提取到的特征向量进行融合，利用预训练好的分类器完成识别分类。本发明利用神经网络强大的表示学习能力从待识别信号中学习特征，省去大量人力操作；本发明综合利用信号多种模态域信息，利用异构神经网络提取抽象特征向量，融合后的特征向量对待识别信号有更全面的表征，对噪声等影响有更好的鲁棒性和稳健性，得到的识别分类结果具有更高的可靠性，在信噪比较低、通信环境较差时，仍保持较高的识别率。 | ||
| 搜索关键词： | 神经网络 模态域 待识别信号 特征向量 向量 异构 融合 多模态特征 抽象特征 分类结果 人力操作 识别信号 提取特征 通信环境 学习能力 分类器 鲁棒性 识别率 稳健性 调制 噪声 分类 转换 学习 | ||
【主权项】：
1.一种基于神经网络的多模态特征融合调制识别方法，其特征在于，包括：/n步骤1：将待识别信号转换到预设模态域；/n步骤2：利用预训练好的异构神经网络从待识别信号的不同模态域中提取特征向量；/n步骤3：将异构神经网络从待识别信号的不同模态域中提取到的特征向量进行特征融合；/n步骤4：利用预训练好的分类器对融合后的特征向量进行识别分类，分类器的输出作为最终的识别结果。/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中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，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/201910699246.5/，转载请声明来源钻瓜专利网。
