[發明專利]一種基于卷積神經網絡的寬頻帶電磁干擾源識別方法

有效

• 申請號: 202110861262.7
• 申請日: 2021-07-29
• 公開（公告）號: CN113569742B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 朱峰;効迎春;楊陽;楊承潘
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/22;G06F18/24;G06F18/10;G06F18/241;G06F18/2415;G06N3/0464;G06N3/047;G06N3/048;G06N3/08
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

本發明屬于干擾源識別技術領域，具體的說是涉及一種基于卷積神經網絡的寬頻帶電磁干擾源識別方法。本發明基于特定環境下常見電磁干擾源的頻譜信號，使用相關運算對原始信號進行降噪處理，利用新構建的卷積神經網絡提取頻譜信號的深度特征，基于類內與類間的相對距離Softmax損失函數，對深度特征進行分類。利用訓練數據集更新網絡參數，訓練得到網絡，利用訓練好的網絡對待檢測目標進行識別，得到識別結果。此方法能夠快速準確的識別特定電磁環境下的電磁干擾源類型。

技術領域

本發明屬于干擾源識別技術領域，具體的說是涉及一種基于卷積神經網絡的寬頻帶電磁干擾源識別方法。

背景技術

隨著無線電技術的廣泛應用，出現了多種類型的寬頻帶輻射源，對電磁干擾源的排查造成困難。目前傳統的寬頻帶電磁干擾源識別方法，首先對電磁干擾源的信號進行人工特征提取，然后通過如k-近鄰分類、決策樹、模板匹配，支持向量機和神經網絡等模式識別方法進行分類。這類方法需要依賴人的驗證和分析，人為提取特征會丟失掉某些重要的特征信息。特別地，當干擾源的干擾信號較弱時，不易提取出具有顯著區別的特征量，會影響識別準確率，而且識別速度有限。公開號為CN111428561A的中國專利提供了“一種寬帶電磁干擾源識別方法及系統、儲存介質、設備”中提到用人工提取的特征和模板匹配方法對機場周邊的寬帶電磁干擾源進行識別，但是識別準確率和識別速度有待進一步提高。

發明內容

本發明的目的是提供一種基于卷積神經網絡的寬頻帶電磁干擾源識別方法，它能自主學習干擾源信號的多種特征，通過分類層可以有效的識別電磁干擾源。

本發明的技術方案是：一種基于卷積神經網絡的寬頻帶電磁干擾源識別方法，包括以下步驟：

S1、采集待檢測電磁環境中電磁干擾源在多個頻段的頻譜信號，將采集的數據作為訓練集X；

S2、構建電磁干擾源識別網絡，包括降噪層、深度特征提取子網絡和分類層；

所述降噪層是權值為背景噪聲數據的全連接層，激活函數為Sigmoid函數，將數據轉換為0和1之間，訓練集通過降噪層后得到輸出序列I：

其中，X(i)為訓練集X中第i個樣本，每個樣本序列的長度為m；W_j為第j個背景數據，作為權值，0≤j≤k，k表示背景的個數，0≤n≤k*m，所有h_j(n)合并在一起構成h(n)；

所述深度特征提取子網絡由6個一維卷積層、3個池化層、1個展平層和1個全連接層構成，其中一維卷積層對輸入的序列I進行特征提取，池化層對提取的特征下采樣，展平層將多個卷積核運算的結果展平，全連接層包括線性運算和非線性運算，序列I經過深度特征提取子網絡后得到深度特征A；

所述分類層的損失函數為：

J＝L_Softmax+λD_re

其中