一种基于深度学习双输入网络模型的无线电信号检测方法

    公开(公告)号:CN113780107B

    公开(公告)日:2024-03-01

    申请号:CN202110973504.1

    申请日:2021-08-24

    Abstract: 本发明提供一种基于深度学习双输入网络模型的无线电信号检测方法,包括:步骤S10,对用于训练的无线电信号波形文件进行波形数据处理,得到定制化数据集;所述定制化数据集包括训练波形文件、训练信号语图以及样本标签;步骤S20,将定制化数据集输入深度学习双输入网络模型进行训练,待损失值收敛后停止训练,得到训练好的深度学习双输入网络模型;步骤S30,对待预测的无线电信号波形文件进行波形数据处理,得到待预测数据集;所述待预测数据集包括待预测波形文件以及待预测信号语图;步骤S40,将待预测数据集输入训练好的深度学习(56)对比文件Shibanee Dash 等.A StatisticalApproach for Speech Enhancement inCognitive Radio Network《. 2018International Conference on InformationTechnology (ICIT)》.2018,137-140.Chang Liu 等.Phase Spectrum Recoveryfor Enhancing Low-Quality Speech Capturedby Laser Microphones《.2021 12thInternational Symposium on Chinese SpokenLanguage Processing (ISCSLP)》.2021,1-5.唐皓 等.建立监测网智能化分级模型 深度思考智能化无线电监测实现路径《.中国无线电》.2020,(第03期),43-46.李荣雨 等.平行堆栈式自编码器及其在过程建模中的应用《.电子测量与仪器学报》.2017,第31卷(第02期),264-271.

    一种基于深度学习双输入网络模型的无线电信号检测方法

    公开(公告)号:CN113780107A

    公开(公告)日:2021-12-10

    申请号:CN202110973504.1

    申请日:2021-08-24

    Abstract: 本发明提供一种基于深度学习双输入网络模型的无线电信号检测方法,包括:步骤S10,对用于训练的无线电信号波形文件进行波形数据处理,得到定制化数据集;所述定制化数据集包括训练波形文件、训练信号语图以及样本标签;步骤S20,将定制化数据集输入深度学习双输入网络模型进行训练,待损失值收敛后停止训练,得到训练好的深度学习双输入网络模型;步骤S30,对待预测的无线电信号波形文件进行波形数据处理,得到待预测数据集;所述待预测数据集包括待预测波形文件以及待预测信号语图;步骤S40,将待预测数据集输入训练好的深度学习双输入网络模型进行预测。本发明中即使信号语图中信号和噪声相似,依然能够有较好的检测结果。

Patent Agency Ranking