[發(fā)明專利]一種基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型可解釋方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110204132.6
• 申請(qǐng)日: 2021-02-23
• 公開(kāi)（公告）號(hào): CN112884122B
• 公開(kāi)（公告）日: 2022-07-05
• 發(fā)明（設(shè)計(jì)）人: 林昶廷;陳晉音;董建鋒;陳建海;趙彬彬
• 申請(qǐng)（專利權(quán)）人: 杭州弈鴿科技有限責(zé)任公司
• 主分類(lèi)號(hào): G06N3/04
• 分類(lèi)號(hào): G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識(shí)產(chǎn)權(quán)代理有限公司 33224
• 代理人: 曹兆霞

1.一種基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，包括以下步驟：

(1)構(gòu)建包含訓(xùn)練樣本和測(cè)試樣本的數(shù)據(jù)集，構(gòu)建基于LSTM網(wǎng)絡(luò)和分類(lèi)網(wǎng)絡(luò)的信號(hào)調(diào)制類(lèi)型識(shí)別網(wǎng)絡(luò)，并利用訓(xùn)練樣本訓(xùn)練信號(hào)調(diào)制類(lèi)型識(shí)別網(wǎng)絡(luò)，得到信號(hào)調(diào)制類(lèi)型識(shí)別模型；

(2)將測(cè)試樣本輸入至信號(hào)調(diào)制類(lèi)型識(shí)別模型中，并統(tǒng)計(jì)在測(cè)試樣本輸入下，LSTM網(wǎng)絡(luò)在每個(gè)時(shí)間步的前I大的I個(gè)神經(jīng)元激活值，根據(jù)所有時(shí)間步的前I大的I個(gè)神經(jīng)元激活值之和構(gòu)建損失函數(shù)，并以損失函數(shù)相對(duì)輸入測(cè)試樣本的導(dǎo)數(shù)為特征矩陣；

其中，構(gòu)建的損失函數(shù)Loss’為：

其中，T表示總時(shí)間步長(zhǎng)，也就是輸入測(cè)試樣本的長(zhǎng)度，表示第t步神經(jīng)元輸出的第i個(gè)較大的激活值，I表示神經(jīng)元激活值的總個(gè)數(shù)，即前I大的I個(gè)神經(jīng)元激活值；

(3)將特征矩陣映射到測(cè)試樣本對(duì)應(yīng)的波形圖上，通過(guò)觀察波形圖上特征點(diǎn)體現(xiàn)的信號(hào)調(diào)制類(lèi)型識(shí)別模型對(duì)波形圖上每個(gè)部位的關(guān)注程度，實(shí)現(xiàn)對(duì)信號(hào)調(diào)制類(lèi)型識(shí)別模型的識(shí)別機(jī)理的可解釋性分析，以分析模型的安全性；

(4)將特征矩陣映射到星座圖上，通過(guò)觀察特征點(diǎn)體現(xiàn)信號(hào)調(diào)制類(lèi)型識(shí)別模型對(duì)星座圖上的關(guān)鍵位置的關(guān)注程度，實(shí)現(xiàn)對(duì)信號(hào)調(diào)制類(lèi)型識(shí)別模型的識(shí)別機(jī)理的可解釋性分析，以分析模型的安全性。

2.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，在構(gòu)建數(shù)據(jù)集時(shí)，將信號(hào)矩陣進(jìn)行正則化處理，處理后的信號(hào)矩陣分為訓(xùn)練樣本和測(cè)試樣本組成數(shù)據(jù)集。

3.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，所述LSTM網(wǎng)絡(luò)包含至少2個(gè)全連接神經(jīng)網(wǎng)絡(luò)，每個(gè)全連接神經(jīng)網(wǎng)絡(luò)包含至少1層全連接層，用于提取輸入數(shù)據(jù)的特征，每個(gè)全連接層的神經(jīng)元個(gè)數(shù)由單元數(shù)決定。

4.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，所述分類(lèi)網(wǎng)絡(luò)為至少1個(gè)全連接層組成的全連接神經(jīng)網(wǎng)絡(luò)。

5.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，將測(cè)試樣本輸入信號(hào)調(diào)制類(lèi)型識(shí)別模型時(shí)，在每個(gè)時(shí)間步上，從LSTM網(wǎng)絡(luò)中最后一個(gè)全連接神經(jīng)網(wǎng)絡(luò)的輸出矩陣上統(tǒng)計(jì)前n大的神經(jīng)元激活值。

6.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，特征矩陣F為：

其中，x表示輸入測(cè)試樣本。

7.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，將特征矩陣映射到測(cè)試樣本對(duì)應(yīng)的波形圖上時(shí)，以顏色區(qū)分呈現(xiàn)特征矩陣中特征點(diǎn)元素值大小，通過(guò)觀察波形上特征點(diǎn)的顏色來(lái)確定信號(hào)調(diào)制類(lèi)型識(shí)別模型關(guān)注的波形部位及關(guān)注程度，實(shí)現(xiàn)對(duì)信號(hào)調(diào)制類(lèi)型識(shí)別模型的識(shí)別機(jī)理的可解釋性分析，當(dāng)信號(hào)調(diào)制類(lèi)型識(shí)別模型關(guān)注的波形部位及關(guān)注程度與確定信號(hào)調(diào)制類(lèi)型的波形關(guān)鍵部位不同時(shí)，則認(rèn)為信號(hào)調(diào)制類(lèi)型識(shí)別模型不安全。

8.如權(quán)利要求1所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，將特征矩陣映射到星座圖時(shí)，首先，基于根據(jù)波形圖上的IQ信號(hào)能夠計(jì)算相位和幅值，根據(jù)特征矩陣在波形圖上的體現(xiàn)，同樣計(jì)算特征點(diǎn)的相位和幅值，根據(jù)特征點(diǎn)的相位和幅值獲得星座圖，實(shí)現(xiàn)將特征矩陣映射到星座圖。

9.如權(quán)利要求1或8所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法，其特征在于，將特征矩陣映射到星座圖上時(shí)，以顏色區(qū)分呈現(xiàn)特征矩陣中特征點(diǎn)元素值大小，通過(guò)觀察星座圖上特征點(diǎn)的顏色來(lái)確定信號(hào)調(diào)制類(lèi)型識(shí)別模型關(guān)注的部位，實(shí)現(xiàn)對(duì)信號(hào)調(diào)制類(lèi)型識(shí)別模型的識(shí)別機(jī)理的可解釋性分析，當(dāng)信號(hào)調(diào)制類(lèi)型識(shí)別模型關(guān)注的部位與星座圖上確定信號(hào)調(diào)制類(lèi)型的關(guān)鍵位置不同時(shí)，則認(rèn)為信號(hào)調(diào)制類(lèi)型識(shí)別模型不安全。

10.一種基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋裝置，包括計(jì)算機(jī)存儲(chǔ)器、計(jì)算機(jī)處理器以及存儲(chǔ)在所述計(jì)算機(jī)存儲(chǔ)器中并可在所述計(jì)算機(jī)處理器上執(zhí)行的計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1～9任一項(xiàng)所述的基于神經(jīng)元激活的信號(hào)調(diào)制類(lèi)型識(shí)別模型的可解釋方法。