[發(fā)明專利]干擾識別方法、裝置和終端設(shè)備

有效

• 申請?zhí)枺?/td>: 201810949978.0
• 申請日: 2018-08-20
• 公開（公告）號: CN110856206B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計）人: 易粟;王昊;薛文倩;王樂菲;松倉隆一
• 申請（專利權(quán)）人: 富士通株式會社
• 主分類號: H04W24/08
• 分類號: H04W24/08;H04B17/345;H04W84/18
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 李輝

1.一種干擾識別裝置，其中，所述裝置包括：

獲取單元，其用于獲取多個超級窗口中每個超級窗口內(nèi)的信號強度序列樣本；

標記單元，其用于使用每個超級窗口內(nèi)的信號強度序列樣本的頻域特征中的基頻，對所述超級窗口進行標記；其中，每個所述超級窗口劃分為第二數(shù)量個第一檢測窗口，每個第一檢測窗口的標記與其所屬的超級窗口的標記相同；

訓練單元，其用于根據(jù)被標記的第一檢測窗口的信號強度序列樣本和對應的標記對深度神經(jīng)網(wǎng)絡進行訓練，得到干擾識別模型；

識別單元，其用于將大小為所述第一檢測窗口內(nèi)的測試信號強度序列輸入至所述干擾識別模型中，得到干擾識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的裝置，其中，所述標記單元包括：

變換模塊，其用于對每個超級窗口內(nèi)的信號強度序列樣本作時頻變換，得到每個超級窗口內(nèi)的信號強度序列樣本的頻域特征；

確定模塊，其用于確定所述頻域特征中的基頻；根據(jù)所述基頻確定第一數(shù)量個干擾頻率；

標記模塊，其用于根據(jù)所述第一數(shù)量個干擾頻率，對對應所述干擾頻率的超級窗口進行標記。

3.根據(jù)權(quán)利要求2所述的裝置，其中，所述確定模塊在所述多個超級窗口對應的頻域特征中相同基頻的超級窗口數(shù)超過第一閾值時，將所述相同基頻確定為干擾頻率，以獲得所述第一數(shù)量個干擾頻率；

所述標記模塊在所述干擾頻率是直流分量時，將對應的超級窗口標記為無干擾，在所述干擾頻率為大于0Hz的第一值時，將對應的超級窗口標記為被發(fā)射頻率周期為所述第一值的電磁波干擾。

4.根據(jù)權(quán)利要求3所述的裝置，其中，所述訓練單元將每個第一檢測窗口對應的信號強度序列樣本，作為第一訓練數(shù)據(jù)；將一個第一檢測窗口對應的第一訓練數(shù)據(jù)作為所述深度神經(jīng)網(wǎng)絡的輸入，將與所述第一檢測窗口對應的標記作為所述深度神經(jīng)網(wǎng)絡的輸出，對所述深度神經(jīng)網(wǎng)絡進行訓練，得到干擾識別模型，所述干擾識別模型的識別類型的數(shù)量等于所述第一數(shù)量。

5.根據(jù)權(quán)利要求1所述的裝置，其中，所述裝置還包括：

確定單元，其用于確定所述多個超級窗口中除被標記的超級窗口外的其他未標記的超級窗口；

并且，所述訓練單元還用于將所述未標記的超級窗口劃分為第三數(shù)量個第二檢測窗口，并得到每個第二檢測窗口對應的信號強度序列樣本，作為第二訓練數(shù)據(jù)；將一個第二檢測窗口對應的第二訓練數(shù)據(jù)作為所述深度神經(jīng)網(wǎng)絡的輸入，根據(jù)訓練后得到的干擾識別模型，對第二訓練數(shù)據(jù)對應的第二檢測窗口進行預測，根據(jù)預測結(jié)果對第二檢測窗口的第二訓練數(shù)據(jù)進行標記。

6.根據(jù)權(quán)利要求5所述的裝置，其中，所述訓練單元還用于

將一個第二檢測窗口對應的第二訓練數(shù)據(jù)作為所述深度神經(jīng)網(wǎng)絡的輸入，將與所述第二檢測窗口對應的標記作為所述深度神經(jīng)網(wǎng)絡的輸出，對所述深度神經(jīng)網(wǎng)絡進行再次訓練，得到更新后的干擾識別模型。

7.根據(jù)權(quán)利要求4所述的裝置，其中，所述裝置還包括：

過濾單元，其用于將被標記為無干擾的超級窗口的信號強度序列樣本中小于第二閾值的信號強度序列樣本修改為預定信號強度；

并且，所述標記單元還用于將修改后的被標記為無干擾的超級窗口的信號強度序列樣本作時頻變換，得到每個超級窗口內(nèi)的信號強度序列樣本的頻域特征；根據(jù)修改后的被標記為無干擾的超級窗口內(nèi)的信號強度序列樣本的頻域特征中的基頻確定第四數(shù)量個干擾頻率，確定所述第四數(shù)量個干擾頻率對應的超級窗口；將所述第四數(shù)量個干擾頻率對應的超級窗口的中的預定信號強度恢復成修改前的值，然后劃分為第五數(shù)量個第三檢測窗口，在所述第三檢測窗口中存在信號強度大于或等于所述第二閾值的信號強度序列樣本時，將所述第三檢測窗口標記為無線通信信號干擾；

所述訓練單元還用于將被標記為無線通信信號干擾的第三檢測窗口的信號強度序列樣本作為第三訓練數(shù)據(jù)，將一個第三檢測窗口對應的第三訓練數(shù)據(jù)作為所述深度神經(jīng)網(wǎng)絡的輸入，將所述無線通信信號干擾的標記作為所述深度神經(jīng)網(wǎng)絡的輸出，對所述深度神經(jīng)網(wǎng)絡進行訓練，得到干擾識別模型，所述干擾識別模型的識別類型的數(shù)量等于所述第一數(shù)量加1。