[發明專利]干擾類型的識別方法和系統

在審

• 申請號: 201711425496.7
• 申請日: 2017-12-25
• 公開（公告）號: CN108197545A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 伍洪斌;陳超
• 申請（專利權）人: 廣東海格怡創科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 余永文

1.一種干擾類型的識別方法，其特征在于，包括以下步驟：

利用干擾數據訓練集對干擾類型識別的神經網絡模型進行訓練，獲取干擾類型識別模型；其中，所述干擾數據訓練集包括由干擾波形數據及其對應標注的干擾類型形成的干擾數據樣本；

采集待識別的干擾波形數據，并將所述波形數據輸入至所述干擾類型識別模型進行干擾類型識別；

獲取干擾類型識別結果，根據所述干擾類型識別結果獲取待識別的干擾波形數據的干擾類型。

2.根據權利要求1所述的干擾類型的識別方法，其特征在于，所述利用干擾數據訓練集對干擾類型識別的神經網絡模型進行訓練，獲取干擾類型識別模型的步驟，包括以下步驟：

基于DNN技術生成干擾類型識別的神經網絡模型；

獲取干擾數據訓練集，根據所述干擾數據訓練集對所述神經網絡模型進行訓練；

若訓練結果達到預設條件，保存所述神經網絡模型的模型參數，獲取干擾類型識別模型。

3.根據權利要求2所述的干擾類型的識別方法，其特征在于，所述獲取干擾數據訓練集的步驟，包括以下步驟：

從干擾信號獲取干擾波形數據，根據干擾信號的干擾類型對所述干擾波形數據進行標注；

根據干擾波形數據及其對應標注的干擾類型獲取干擾數據樣本，并形成干擾數據樣本集；

從所述干擾數據樣本集中選取若干個干擾數據樣本形成干擾數據訓練集集。

4.根據權利要求1所述的干擾類型的識別方法，其特征在于，所述神經網絡模型包括輸入層、多層隱藏層以及輸出層；其中，所述輸入層用于接收干擾波形數據，所述隱藏層用于對輸入層獲得的干擾波形數據進行特征計算，所述輸出層用于輸出干擾波形數據的干擾類型識別結果。

5.根據權利要求4所述的干擾類型的識別方法，其特征在于，所述神經網絡模型的輸入層的神經元個數等于所述干擾波形數據量；所述神經網絡的輸出層的神經元個數等于干擾類型數量。

6.根據權利要求2所述的干擾類型的識別方法，其特征在于，所述根據所述干擾數據訓練集對所述神經網絡模型進行訓練的步驟，包括以下步驟：

將所述干擾數據訓練集中每個干擾波形數據通過所述神經網絡模型的輸入層輸入至所述神經網絡模型的隱藏層，其中，所述干擾波形數據經過所述神經網絡模型的隱藏層的處理轉換后，輸出至所述神經網絡模型的輸出層；

獲取所述神經網絡模型的輸出層的輸出結果；

根據所述輸出結果以及所述干擾數據訓練集中每個干擾波形數據標注的干擾類型利用梯度下降算法優化所述神經網絡模型的模型參數。

7.根據權利要求6所述的干擾類型的識別方法，其特征在于，所述根據所述干擾數據訓練集對所述神經網絡模型進行訓練的步驟之前，還包括以下步驟：

對所述干擾數據訓練集中每個干擾波形數據進行歸一化操作。

8.根據權利要求2所述的干擾類型的識別方法，其特征在于，所述獲取干擾類型識別模型的步驟之后，還包括以下步驟：

從所述干擾數據樣本集中選取若干個干擾數據樣本形成干擾數據測試集；

將所述干擾數據測試集中每個干擾波形數據輸入至所述干擾類型識別模型，得到干擾波形數據的干擾類型；

根據得到的干擾波形數據干擾類型以及所述干擾波形數據對應標注的干擾類型獲取所述干擾類型識別模型的干擾識別準確率；

若所述干擾識別準確率低于預設干擾識別準確率閾值，根據所述干擾數據訓練集對所述干擾類型識別模型再次進行訓練，直至達到所述干擾識別準確率閾值。

9.根據權利要求8所述的干擾類型的識別方法，其特征在于，所述干擾數據測試集由所述干擾數據樣本集除所述干擾數據訓練集以外的干擾數據樣本構成。

10.一種干擾類型的識別系統，其特征在于，包括：

模型獲取模塊，用于利用干擾數據訓練集對干擾類型識別的神經網絡模型進行訓練，獲取干擾類型識別模型；其中，所述干擾數據訓練集包括由干擾波形數據及其對應標注的干擾類型形成的干擾數據樣本；

數據采集模塊，用于采集待識別的干擾波形數據，并將所述波形數據輸入至所述干擾類型識別模型進行干擾類型識別；

干擾識別模塊，用于獲取干擾類型識別結果，根據所述干擾類型識別結果獲取待識別的干擾波形數據的干擾類型。