公开(公告)号：CN113780106B

公开(公告)日：2024-02-27

申请号：CN202110973158.7

申请日：2021-08-24

Applicant: 电信科学技术第五研究所有限公司

Inventor： 王珂 ,  王圣川 ,  张永红 ,  王超 ,  鲁越格

IPC: G06F18/213 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于无线电波形数据输入的深度学习信号检测方法，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，得到多个训练波形文件以及表示了信号的强弱信息的样本标签，将多个训练波形文件和样本标签作为定制化数据集；步骤S20，将定制化数据集输入深度学习一维卷积神经网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习一维卷积神经网络模型；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，将得到的多个待预测波形文件作为待预测数据集；步骤S40，将待预测数据集输入训练好的深度学(56)对比文件Yuan Zeng 等.Spectrum Analysis andConvolutional Neural Network forAutomatic Modulation Recognition《.IEEEWireless Communications Letters》.2019,929-932.

公开(公告)号：CN113780106A

公开(公告)日：2021-12-10

申请号：CN202110973158.7

申请日：2021-08-24

Applicant: 电信科学技术第五研究所有限公司

Inventor： 王珂 ,  王圣川 ,  张永红 ,  王超 ,  鲁越格

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于无线电波形数据输入的深度学习信号检测方法，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，得到多个训练波形文件以及表示了信号的强弱信息的样本标签，将多个训练波形文件和样本标签作为定制化数据集；步骤S20，将定制化数据集输入深度学习一维卷积神经网络模型进行训练，待损失值收敛后停止训练，得到训练好的深度学习一维卷积神经网络模型；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，将得到的多个待预测波形文件作为待预测数据集；步骤S40，将待预测数据集输入训练好的深度学习一维卷积神经网络模型进行预测。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。