[發(fā)明專利]基于卷積神經網絡的頻率合成器類型識別方法在審
| 申請?zhí)枺?/td> | 202110570134.7 | 申請日： | 2021-05-25 |
| 公開（公告）號： | CN113326757A | 公開（公告）日： | 2021-08-31 |
| 發(fā)明（設計）人： | 蔣伊琳;尹希航;宋宇;尹子茹;陳濤;郭立民;劉魯濤;趙忠凱 | 申請（專利權）人： | 哈爾濱工程大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06F17/14 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 150001 黑龍江省哈爾濱市南崗區(qū)*** | 國省代碼： | 黑龍江;23 |
| 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 卷積 神經網絡 頻率 合成器 類型 識別 方法 | ||
1.一種基于卷積神經網絡的頻率合成器類型識別方法，其特征在于，包括如下步驟：
步驟一：建立DDS相位截斷模型；
步驟二：建立帶有小數(shù)分頻雜散的Fractional-N PLL模型；
步驟三：對步驟一和步驟二的模型進行仿真，得到四十種頻率的信號；
步驟四：訓練CNN模型，實現(xiàn)對頻率合成器類型識別；
所述步驟四具體為：將仿真信號的時頻圖像輸入進卷積神經網絡中，CNN模型包括一個輸入層、3個卷積層、3個池層和2個完全連接層；
網絡各層的參數(shù)和功能如下：
輸入：對兩個模型產生的信號進行STFT，得到128*128的時頻圖像，作為CNN模型的輸入；
C1：第一卷積層：16個大小為3*3的卷積核對輸入的時頻圖像進行卷積，卷積核的步長為1，使用全零填充；得到128×128的特征圖；
P1：第一池化層：此層使用最大池，池內核的大小是2*2，步長是2，使用全零填充，得到了尺寸為64×64的特征圖；
C2：第二卷積層：大小為3*3的32個卷積核對上一層輸出的特征映射執(zhí)行卷積，卷積內核的步長為1，使用全零填充，得到尺寸為64×64的特征圖；
P2：第二池化層：池化的方法是最大池化，池化內核的大小是2*2，步長是2，使用全零填充，得到了大小為32×32的特征圖；
C3：第三卷積層：64個大小為3*3的卷積核對上一層輸出的特征映射執(zhí)行卷積，步長為1，使用全零填充，得到大小為32×32的特征圖；
P3：第三池化層：池化方法為最大池化，池化核大小為2*2，步長為2，使用全零填充，得到16*16的特征圖；
F1：第一個全連接層：將卷積層輸出的16×16大小的特征圖被展平后，形狀變?yōu)?6384×1的張量，用作全連接網絡的輸入，在隱藏層中有1024個神經元，Dropout被用來減輕過度擬合；
F2：第二個全連接的層：Dropout用于緩解過擬合，softmax分類器用于使輸出n符合概率分布準則(y1,y2,......,yn)，當分類結果通過softmax函數(shù)時，輸出為：
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哈爾濱工程大學，未經哈爾濱工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110570134.7/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種點焊電極頭修磨判定裝置
- 下一篇：一種眼鏡
