[發明專利]一種用于無線網絡的電磁信號紅黑識別裝置與識別方法

在審

• 申請號: 201910811601.3
• 申請日: 2019-08-30
• 公開（公告）號: CN110728175A
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 李曉東;宋滔;丁建鋒;蔡勇華;嚴承濤;蔣武宏
• 申請（專利權）人: 中國電子科技網絡信息安全有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 51214 成都九鼎天元知識產權代理有限公司
• 代理人: 鄧世燕

1.一種用于無線網絡的電磁信號紅黑識別裝置，其特征在于，包括接收機、信號采集處理單元、計算分析單元、電源模塊和時鐘模塊；

所述接收機接收無線電磁信號，對信號進行處理后將信號送入所述信號采集處理單元；

所述信號采集處理單元完成信號的采集和處理工作，將信號輸出到所述計算分析單元；

所述計算分析單元利用人工智能深度學習的卷積神經網絡技術進行無線電磁紅黑信號的識別。

2.根據權利要求1所述的用于無線網絡的電磁信號紅黑識別裝置，其特征在于，還包括天線、顯示屏和存儲單元；

所述接收機通過天線接收無線電磁信號；

所述計算分析單元在檢測到紅信號后，將紅黑識別結果顯示到所述顯示屏上的用戶界面，并在所述存儲單元中存儲紅黑信號識別結果。

3.根據權利要求1或2所述的用于無線網絡的電磁信號紅黑識別裝置，其特征在于，所述人工智能深度學習的卷積神經網絡技術的基本框架采用LeNet卷積神經網絡，采用整流線性單元激活函數代替LeNet網絡中的Sigmoid激活函數，所述整流線性單元激活函數為：

y＝ReLU(x)＝max(0,x)；

在池化層中采用最大池化，代替LeNet網絡池化層中的平均池化；

在卷積神經網絡訓練過程中，對于卷積層C5和全連接層F6中的網絡節點采用裁減技術。

4.根據權利要求3所述的用于無線網絡的電磁信號紅黑識別裝置，其特征在于，在卷積神經網絡訓練過程中，包括以下步驟：

S1、準備無線電磁紅黑信號訓練集；

S2、從訓練集中選取一個Batch樣本；

S3、信號前向傳播計算網絡預測值；

S4、根據樣本標簽計算誤差代價函數；

S5、誤差反向傳播計算網絡參數梯度；

S6、根據梯度更新網絡參數；

S7、判定是否遍歷整個訓練集，若結果為是，進行下一步驟，若結果為否，重復步驟S2至S7；

S8、判定誤差代價函數是否收斂到合適的精度，若結果為是，保存網絡模型參數，若結果為否，重復步驟S2至步驟S8。

5.根據權利要求4所述的用于無線網絡的電磁信號紅黑識別裝置，其特征在于，在所述步驟S5中，采用隨機梯度下降算法依次計算各層網絡參數的梯度。

6.一種用于無線網絡的電磁信號紅黑識別方法，其特征在于，基于權利要求1-5中任意一項所述的電磁信號紅黑識別裝置，包括以下步驟：

步驟一、所述接收機接收無線電磁信號；

步驟二、所述接收機對接收到的無線電磁信號進行處理，輸出寬帶模擬中頻信號，送入所述信號采集處理單元；

步驟三、所述信號采集處理單元完成寬帶模擬中頻信號的采集和處理工作，將中頻信號轉換為基帶信號，輸出到所述計算分析單元；

步驟四、所述計算分析單元實現無線電磁紅信號檢測。

7.根據權利要求6所述的用于無線網絡的電磁信號紅黑識別方法，其特征在于，在所述步驟二中：

所述接收機對接收到的無線電磁信號的處理包括：變頻、濾波、放大和增益控制。

8.根據權利要求7所述的用于無線網絡的電磁信號紅黑識別方法，其特征在于，在所述步驟二中，中頻信號頻率140MHz，中頻信號帶寬不超過40MHz。

9.根據權利要求8所述的用于無線網絡的電磁信號紅黑識別方法，其特征在于，在所述步驟三中，首先對模擬中頻信號進行ADC變換，其采樣時鐘不高于250MSPS，然后ADC的數據進入FPGA進行信號處理，將中頻信號轉換為基帶信號，將基帶的I、Q兩路數據，通過高速數據接口輸出到所述計算分析單元；

其中，基于FPGA進行的信號處理包括寬帶DDC、濾波、FFT和多相濾波信道化。

10.根據權利要求8所述的用于無線網絡的電磁信號紅黑識別方法，其特征在于，在所述步驟四中，使紅黑信號的樣本經過前向傳播計算，若檢測到紅信號，將紅黑識別結果顯示到顯示屏上，并存儲紅黑信號識別結果。