[發明專利]一種基于人工智能的信號識別自學習方法

在審

• 申請號: 202011138962.5
• 申請日: 2020-10-22
• 公開（公告）號: CN112257592A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 劉紅杰;牛項朋;郭健;洪衛軍;趙光焰;崔睿
• 申請（專利權）人: 北京博識創智科技發展有限公司;北京博識廣聯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N20/00
• 代理公司: 北京中政聯科專利代理事務所(普通合伙) 11489
• 代理人: 陳超

1.一種基于人工智能的信號識別自學習方法，其特征在于，包括如下步驟：

步驟S1，采集目標信號數據；

步驟S2，將所述目標信號數據劃分為多段未標記信號數據，記為S_i[n]，存入未標記信號數據庫；

步驟S3，將所述未標記信號數據S_i[n]，分別進行機器學習識別、專家決策判決和手動標注，生成機器學習識別結果、專家決策判決結果和手動標注信號類型結果；

步驟S4，對所述機器學習識別結果、專家決策判決結果和手動標注信號類型結果進行網絡權重綜合判決，判斷上述機器學習識別結果、專家決策判決結果和手動標注信號類型結果的置信度，輸出置信度識別結果C₀[t₀、ρ₀]；

步驟S5，判斷所述置信度識別結果是否大于等于預設值，如果是則將未標記信號數據S_i[n]和置信度識別結果，存入已標記信號庫；如果所述置信度識別結果小于預設值，則提示手動標注；

步驟S6，將已標記信號類型t₀與專家決策系統可識別信號類型集合S_z作比較，如果則執行步驟S7；如果t₀∈S_z，則執行步驟S8；

步驟S7，將S_i[n]與類型標記C₀送入專家決策系統，提取對應的特征參數，創建該類型判決網絡，并使用專家決策系統判斷S_i[n]信號類型結果C₂[t₂、ρ₂]，如果ρ₂小于預設值，則重復本步驟；如果ρ₂大于等于預設值，則執行步驟S8；

步驟S8，將已標記信號類型t₀與機器學習單元可識別信號類型集合S_m作比較，如果則執行步驟S9；如果t₀∈S_m,則執行步驟S10；

步驟S9,將S_i[n]與類型標記C₀送入機器學習訓練單元進行訓練，并使用識別單元輸出判別結果C₁[t₁、ρ₁]；如果ρ₁小于預設值，則重復本步驟；如果ρ₁大于等于預設值，則執行步驟S10；

步驟S10,完成本次S_i[n]信號類型的識別過程，從未標記信號數據庫中刪除S_i[n]；

步驟S11，S_i+1[n]進入信號識別網絡，重復以上步驟S3至步驟S11，直至完成目標信號識別。

2.如權利要求1所述的基于人工智能的信號識別自學習方法，其特征在于，在所述步驟S4中，對所述機器學習識別結果C₁[t₁、ρ₁]、專家決策判決結果C₂[t₂、ρ₂]和手動標注信號類型結果C₃[t₃、ρ₃]進行網絡權重綜合判決，判斷C₁,C₂,C₃結果的置信度，輸出識別結果C₀[t₀、ρ₀]，其中t₁、t2、t3表示信號類型，ρ₁、ρ₂、ρ₃表示判斷結果的置信度；

若ρ₁ρ₂,ρ₁ρ₃，則C₀＝C₁，

若ρ₂ρ₁,ρ₂ρ₃，則C₀＝C₂

若ρ₃ρ₁,ρ₃ρ₂，則C₀＝C₃。

3.如權利要求1所述的基于人工智能的信號識別自學習方法，其特征在于，通過構建綜合判決網絡，綜合機器學習識別、專家決策判決以及手動標注的方式，實現信號數據訓練與識別過程有機結合，持續增加信號識別種類，并提高信號識別準確度。