[發明專利]基于深度時序神經網絡的信號分類識別方法、系統及設備在審
| 申請號： | 202011021896.3 | 申請日： | 2020-09-25 |
| 公開（公告）號： | CN112329524A | 公開（公告）日： | 2021-02-05 |
| 發明（設計）人： | 王巖 | 申請（專利權）人： | 泰山學院 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 濟南譽豐專利代理事務所(普通合伙企業) 37240 | 代理人： | 高強 |
| 地址： | 271000 山東*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 時序 神經網絡 信號 分類 識別 方法 系統 設備 | ||
1.一種基于深度時序神經網絡的信號分類識別方法，其特征在于，所述方法包括：
對輸入深度時序神經網絡的數據進行歸一化處理；
將歸一化處理后的數據輸入所述深度時序神經網絡進行特征提?。?/p>
對最終的特征提取到的信號種類信息做最后的結果判定。
2.根據權利要求1所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述對輸入深度時序神經網絡的數據進行歸一化處理，包括：
對輸入的復數形式信號進行向量化處理；
然后將向量化后的數據進行數據歸一化處理。
3.根據權利要求1所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述深度時序神經網絡包括多個LSTM層、全連接層和Dense層，所述LSTM層與所述全連接層之間插入Dropout層。
4.根據權利要求3所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述將歸一化處理后的數據輸入所述深度時序神經網絡進行特征提取包括：通過多層的LSTM層和Dropout層的組合，形成信號的種類區分的特征提取及提高泛化能力的中間多層，完成信號種類的特征提取。
5.根據權利要求4所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述對最終的特征提取到的信號種類信息做最后的結果判定包括：采用Dense層的形式進行最終的信號種類判斷，然后將判定結果輸出。
6.根據權利要求1所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述深度時序神經網絡最小化正向傳遞和反向傳遞之間的連接，以降低梯度消失的幾率。
7.根據權利要求1所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述深度時序神經網絡第一層和后續層之間建立跨層連接，以降低梯度消失的幾率。
8.根據權利要求3所述的基于深度時序神經網絡的信號分類識別方法，其特征在于，所述從信號發端到信號收端會經歷不同的傳輸路徑，所述LSTM層通過自身的長序列處理能力來識別通過多徑干擾帶來的信號識別干擾。
9.一種基于深度時序神經網絡的信號分類識別系統，其特征在于，所述系統包括：
歸一化處理模塊，用于對輸入深度時序神經網絡的數據進行歸一化處理；
特征提取模塊，用于將歸一化處理后的數據輸入所述深度時序神經網絡進行特征提取；
判定輸出模塊，用于對最終的特征提取到的信號種類信息做最后的結果判定。
10.一種設備，其特征在于，包括：
處理器；
存儲器，用于存儲計算機可執行指令；
當所述處理器執行所述計算機可執行指令時，所述處理器執行權利要求1-8任一項所述的基于深度時序神經網絡的信號分類識別方法。
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泰山學院，未經泰山學院許可，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/202011021896.3/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種水聲信號種類識別方法、系統及設備
- 下一篇：管桁架多管焊接方法
