[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

本發明涉及移動通信技術領域，特別是涉及一種干擾類型的識別方法和系統。本發明方案包括以下步驟：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，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，并將波形數據輸入至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。上述干擾類型的識別方法對待識別的干擾波形數據進行準確分類，在干擾信號類型進行排查時，可以將干擾波形數據輸入至干擾信號類型識別模型，實現對干擾的類型進行準確識別，提高對干擾類型的分類的準確率。

技術領域

本發明涉及移動通信技術領域，特別是涉及一種干擾類型的識別方法和系統。

背景技術

隨著4G基站的全面建設，目前已形成了2G/3G/4G基站共存的局面，已建設的基站中，已發現大量的4G基站受到干擾。這些干擾主要包括2G/3G小區對4G小區的阻塞、互調和雜散干擾等等，此外還有其他無線電設備，例如手機信號屏蔽器帶來的外部同頻干擾。

經過對大量上行干擾處理的研究，可以得出幾種典型干擾波形的圖形特征，通過干擾波形的圖形特征可以識別干擾類型。但是這種識別方法是通過直接對干擾波形的圖形特征進行識別，在進行干擾排查作業，面對大量的干擾波形數據時，對干擾類型判斷往往容易出錯，難以對干擾類型進行準確分類，分類準確率低。

發明內容

基于此，有必要針對干擾類型進行分類準確率低的問題，提供一種干擾類型的識別方法和系統。

一種干擾類型的識別方法，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。

上述干擾類型的識別方法，通過創建干擾信號類型識別模型，對待識別的干擾波形數據進行準確分類，在干擾信號類型進行排查時，可以將干擾波形數據輸入至干擾信號類型識別模型，實現對干擾的類型進行準確識別，提高對干擾類型的分類的準確率。

在其中一個實施例中，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。

在其中一個實施例中，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。

在其中一個實施例中，所述干擾類型識別的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，所述隱藏層用于對干擾波形數據進行激勵以及特征計算，所述輸出層用于輸出干擾波形數據的干擾類型識別結果。

在其中一個實施例中，所述干擾類型識別的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。