[發明專利]一種基于雙向嵌入特征的半監督信號分析方法

有效

• 申請號: 202110755043.0
• 申請日: 2021-07-02
• 公開（公告）號: CN113420705B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 洪鼎;趙興海;王佳銘;臧勤
• 申請（專利權）人: 中國船舶重工集團公司第七二四研究所
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/214;G06F18/24;G06N3/0895;G06N3/084;G06N3/045
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于雙向嵌入特征的半監督信號分析方法，其特征在于：

步驟1：對有標記樣本進行特征提取處理，人工分析原始偵測數據文件：通過可視化方法，對原始偵測數據的參數進行同步顯示，所述參數包括頻率、脈寬、幅度、時間、方位；在此基礎上對原始偵測數據進行挑選，輔助人工發現原始偵測數據序列之間的關聯關系；

步驟2：對于標記樣本，用步驟1中獲取的頻率、脈寬、幅度、時間、方位特征作為標記樣本特征，同原始偵測數據序列一起建立標準樣本文件，存入大數據雷達信號標準樣本文件數據庫；

步驟3：對于步驟2中獲取的已標記樣本特征，通過預測結果反向訓練深度神經網絡，再利用訓練好的深度神經網絡計算獲得各個未標記樣本的雷達信號高維展開特征向量；

步驟4：利用步驟3中獲取的無標記樣本的雷達信號雙向嵌入特征向量，使用無監督學習方法SVDD訓練雷達信號分類集成模型；

步驟5：對于新采集的雷達信號人工標記樣本，運用在線學習方式繼續訓練增量學習模型，修正已有的雷達信號分類集成模型，提高現有模型的識別能力。

2.根據權利要求1所述的基于雙向嵌入特征的半監督信號分析方法，其特征在于：所述雙向嵌入特征向量的目標函數定義如下：

g(x,{x⁽ⁱ⁾}_i)＝σ(w*x+∑_i(w⁽ⁱ⁾*xⁱ+b)；

其中x是原輸入向量，x⁽ⁱ⁾是x前后長度為i的區域的序列值，{x⁽ⁱ⁾}_i表示長度為i的區域，以x為中心左右滑動個步長；w為當前向量對應神經網絡的權重，w⁽ⁱ⁾為embedding層神經元對應前后長度為i的區域的神經元權重。