[发明专利]基于CNN-LSTM模型和迁移学习的信号调制样式识别方法有效
| 申请号： | 202010548590.7 | 申请日： | 2020-06-16 |
| 公开（公告）号： | CN111832417B | 公开（公告）日： | 2023-09-15 |
| 发明（设计）人： | 占锦敏;赵知劲;翁建新 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06F18/213 | 分类号： | G06F18/213;G06F18/24;G06F18/214;G06F18/2431;G06F18/25;G06N3/0442;G06N3/0464;G06N3/08;G06N20/00 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 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CNN‑LSTM模型和迁移学习的信号调制样式识别方法。本发明首先对采集多种不同调制信号样本集，预处理得到源数据集；再构建CNN‑LSTM网络模型，将网络的权值进行随机初始化，输入源数据集对网络模型进行预训练；将预训练后CNN网络与LSTM网络的权值参数对应迁移至目标CNN‑LSTM网络中，输入训练数据集对目标CNN‑LSTM网络中的随机森林分类器进行训练，得到训练完成的CNN‑LSTM网络；最后利用训练完成的CNN‑LSTM网络对测试数据集进行调制样式识别，得到信号分类识别结果。本发明结合了CNN网络与LSTM网络的特征提取优点，提高了信号识别性能，并解决了深度学习在缺少目标信号样本的条件下识别性能差的问题。 | ||
| 搜索关键词： | 基于 cnn lstm 模型 迁移 学习 信号 调制 样式 识别 方法 | ||
【主权项】：
暂无信息
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杭州电子科技大学，未经杭州电子科技大学许可，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/202010548590.7/，转载请声明来源钻瓜专利网。
