[發明專利]抗干擾的信號識別方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010469377.7
• 申請日: 2020-05-28
• 公開（公告）號: CN111652108B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 馬鈺;王沙飛;房珊瑤;鮑雁飛;楊健;田震;肖慶正;劉杰;朱宇軒
• 申請（專利權）人: 中國人民解放軍32802部隊
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京豐浩知識產權代理事務所(普通合伙) 11781
• 代理人: 李學康

1.一種抗干擾的信號識別方法，其特征在于，所述方法包括：

獲取信號實例，每個具有相同物理特征的信號對應一種標簽，共有N種標簽；

將具有相同標簽的信號存儲在一起，組成一個數據集合，共有N個數據集合；

遮擋住信號實例內部的部分數據，訓練N個神經網絡，每個神經網絡分別對應一種標簽，使得每個神經網絡在預測具有相同標簽的信號實例的被遮擋部分時，得到預測結果信號與真實信號的相似性最高，同時每個神經網絡在預測具有其他標簽的信號實例的被遮擋部分時，得到預測結果信號與真實信號的相似性低于上述相似性最高值；

獲取待識別信號；

遮擋住部分待識別信號，分別使用N個神經網路來預測待識別信號被遮擋的部分；

將待識別信號識別為，預測被遮擋部分最準確的神經網絡對應的標簽；采用相似性準則來衡量預測準確性，相似性用信號距離來衡量。

2.根據權利要求1所述的方法，其特征在于，所述獲取信號實例和獲取待識別信號，是使用信號采集裝置采集具有實際物理意義的信號。

3.根據權利要求1所述的方法，其特征在于，所述得到預測結果信號與真實信號的相似性，相似性通過計算預測結果信號向量與真實信號向量間的距離或兩種信號特征間的距離來度量。

4.根據權利要求1所述的方法，其特征在于，所述訓練N個神經網絡，包括：

在獲取的所有信號實例上，訓練一個公共的基礎神經網絡，使得基礎神經網絡能夠準確預測信號實例的被遮擋部分；

保持訓練好的基礎神經網絡參數不變，在基礎神經網絡中添加新的用于控制功能表達的神經網絡層，形成受控神經網絡；

分別在N個具有不同標簽的信號實例集合上，訓練N個受控神經網絡，使得每一個受控神經網絡只能準確預測一種特定標簽信號的被遮擋部分；

N個受控網絡對應N個預測模型，得到N個預測模型。

5.根據權利要求4所述的方法，其特征在于，所述在基礎神經網絡中添加新的用于控制功能表達的神經網絡層，包括：

在基礎神經網絡的每一層前都添加一個新的神經網絡層，具有與后接網絡層相同的節點數；

將新添加的神經網絡層的初始狀態設置為，不影響原基礎神經網絡建立的映射關系，即未訓練的初始狀態下，受控神經網絡的功能，與原基礎神經網絡的功能一致；

在特定集合上，訓練新添加的神經網絡層參數，隨著不斷強化訓練受控神經網絡預測特定標簽信號實例的被遮擋部分，受控神經網絡預測其他標簽信號實例的被遮擋部分的能力逐漸減弱，進而無法準確預測。

6.根據權利要求1-5任一所述的方法，其特征在于，所述訓練神經網絡預測信號的被遮擋部分，包括：

使用矩形遮擋框隨機框住信號實例的一部分；

將信號實例位于矩形遮擋框內的部分都置為零，作為訓練數據的輸入部分；

將信號實例位于矩形遮擋框外的部分都置為零，作為訓練數據的輸出部分；

形成一個訓練數據，包括輸入和輸出兩部分；

訓練神經網絡，擬合訓練數據的輸入和輸出部分。