[发明专利]基于深度卷积神经网络集成的雷达干扰信号识别方法在审
| 申请号： | 201911089194.6 | 申请日： | 2019-11-08 |
| 公开（公告）号： | CN110764064A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 张浩宇;陈雨时;于雷;位寅生;叶春茂;李迎春 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G01S7/36 | 分类号： | G01S7/36;G01S7/02;G06K9/62 |
| 代理公司： | 23109 哈尔滨市松花江专利商标事务所 | 代理人： | 高倩 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于深度卷积神经网络集成的雷达干扰信号识别方法，属于雷达信号识别领域，本发明为解决采用现有深度学习模型识别雷达信号存在过拟合、模型泛化能力差，导致识别系统识别准确率低、鲁棒性弱的问题。本发明方法包括以下步骤：步骤一、将雷达干扰信号时域数据集划分为训练集、验证集以及测试集三部分；步骤二、对训练集X做有放回的随机采样T次，获得T个相互独立的采样训练集；步骤三、采用一维CNN卷积神经网络作为特征提取器、采用支持向量机作为分类器来构造个体学习器，根据步骤二的T个采样训练集来训练T个个体学习器以构造同质集成，构建模型；步骤四、将待测雷达干扰信号输入至步骤三的模型中进行识别。 | ||
| 搜索关键词： | 训练集 雷达干扰 卷积神经网络 雷达信号 学习器 采样 特征提取器 支持向量机 模型识别 时域数据 识别系统 随机采样 信号识别 信号输入 测试集 分类器 鲁棒性 验证集 准确率 构建 拟合 同质 学习 | ||
【主权项】：
1.基于深度卷积神经网络集成的雷达干扰信号识别方法，其特征在于，该方法包括以下步骤：/n步骤一、将雷达干扰信号时域数据集划分为训练集、验证集以及测试集三部分；/n训练集记为X，训练样本个数记为m；/n步骤二、对训练集X做有放回的随机采样T次，获得T个相互独立的采样训练集X
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哈尔滨工业大学，未经哈尔滨工业大学许可，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/201911089194.6/，转载请声明来源钻瓜专利网。
