[發明專利]一種基于深度長短時記憶網絡的電磁信號識別方法在審
| 申請號： | 202010146877.7 | 申請日： | 2020-03-05 |
| 公開（公告）號： | CN111553186A | 公開（公告）日： | 2020-08-18 |
| 發明（設計）人： | 廖開升;鐘軼;張亞平;古照勇 | 申請（專利權）人： | 中國電子科技集團公司第二十九研究所 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 成都九鼎天元知識產權代理有限公司 51214 | 代理人： | 夏琴 |
| 地址： | 610036 四川*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 短時記憶 網絡 電磁 信號 識別 方法 | ||
1.一種基于深度長短時記憶網絡的電磁信號識別方法，其特征在于，包括：
步驟S1，首先去除輸入電磁信號中的野值，然后對電磁信號進行滑窗切片，再對電磁信號進行歸一化處理，作為輸入特征向量；
步驟S2，根據電磁信號的輸入特征向量，設置一個N層結構的深度神經網絡模型，其中N＝4，5，6...，第一層為輸入層，中間層為長短時記憶層，最后一層為全連接輸出層，利用歸一化指數函數作為最終輸出，獲得深度長短時記憶網絡結構；
步驟S3、通過反向傳播優化算法對損失函數進行迭代優化，并朝著損失函數減小的方向更新網絡權重系數，當達到設置的迭代輪數或損失值經過設定迭代輪數不再降低時，停止對深度長短時記憶網絡的訓練，得到訓練好的深度長短時記憶網絡結構；
步驟S4、將待識別的電磁信號經步驟S1預處理后，輸入至步驟S3獲得的網絡模型進行分類識別，得到識別結果。
2.如權利要求1所述的基于深度長短時記憶網絡的電磁信號識別方法，其特征在于，
所述步驟S1包括以下過程：
步驟S11，將原始電磁信號序列按照數值由小到大進行排列，對應第25％的數值取為Q1，對應第75％的數值取為Q3，二者之差記為四分位距IQR＝Q3-Q1，將滿足小于Q1-3IQR或大于Q3+3IQR的特征值判定為野值并去除；
步驟S12，劃窗大小設置為n，以m為步進對原始電磁信號序列數據進行劃窗切片，其中n＝2i，i＝1，2，3，...，m＝2j，j＝0，1，2，...，輸出長度為n的特征向量；
步驟S13，將標記好標簽的樣本集隨機打亂順序，按照一定劃分比例將數據集劃分為訓練集、驗證集和測試集；
步驟S14，獲取訓練樣本均值μ和標準差σ，對待輸入網絡模型的特征向量X按進行歸一化處理。
3.如權利要求2所述的基于深度長短時記憶網絡的電磁信號識別方法，其特征在于，所述劃分比例包括但不限于4∶1∶1。
4.如權利要求2所述的基于深度長短時記憶網絡的電磁信號識別方法，其特征在于，所述劃分比例包括但不限于2∶1∶1。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國電子科技集團公司第二十九研究所，未經中國電子科技集團公司第二十九研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010146877.7/1.html，轉載請聲明來源鉆瓜專利網。
