[發明專利]一種基于復值干涉神經網絡的時序信號識別方法

在審

• 申請號: 202111557195.6
• 申請日: 2021-12-18
• 公開（公告）號: CN114239657A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 莊連生;李奧迪
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

1.一種基于復值干涉神經網絡的時序信號識別方法，其特征在于，包括以下步驟：

第一步，將時序信號做預處理并計算時序信號的復值時頻圖；

第二步，構建復值干涉神經網絡，復值干涉神經網絡以干涉卷積層和頻域全連接層依次交替連接為主要特征，其中干涉卷積層對復值時頻圖做時間維的復值卷積操作以模擬波的干涉過程，頻域全連接層對復值時頻圖做頻率維度的復值全連接操作以模擬波的非線性過程；

第三步，計算分類損失函數，并基于梯度下降法進行復值干涉神經網絡訓練，得到復值干涉神經網絡模型；

第四步，依據第一步，由待測試時序信號獲得待測試復值時頻圖數據，利用復值干涉神經網絡模型和待測試復值時頻圖數據，得到待測試時序信號屬于各個類別的概率，最后取概率最大值對應的類別作為復值干涉神經網絡的最終預測結果，從而實現時序信號的識別。

2.根據權利要求1所述的基于復值干涉神經網絡的時序信號識別方法，其特征在于：第二步中，所述頻域全連接層包括：對輸入張量進行維度變換，使變換后張量的最后一維是頻率維度；定義兩個全連接層，所述兩個全連接層等效為一個復值全連接層；根據維度變換后的張量和兩個全連接層，計算出等效復值全連接層輸出張量的實部張量和虛部張量；對實部張量和虛部張量進行維度拼接，并將拼接后的張量變換為與輸入張量意義相同的五維張量，作為頻域全連接層的最終輸出結果。

3.根據權利要求1所述的基于復值干涉神經網絡的時序信號識別方法，其特征在于：第二步中，所述干涉卷積層包括：取輸入數據的實部虛部，然后對實部張量、虛部張量作維度變換，使變換后張量的最后一維是時間維度；定義兩個卷積層，這兩個卷積層等效為一個復值卷積層，其中兩個卷積層的權重參數均使用Kaiming正態初始化方法進行初始化；根據維度變換后的張量和兩個卷積層，計算等效復值卷積層輸出張量的實部張量和虛部張量；對實部張量和虛部張量進行維度拼接，并將拼接后的張量變換為與輸入張量意義相同的五維張量，作為干涉卷積層的最終輸出結果。

4.根據權利要求1所述的基于復值干涉神經網絡的時序信號識別方法，其特征在于：所述構建的復值干涉神經網絡，包括重復堆疊頻域全連接層和干涉卷積層若干次以增加網絡深度；接入統計池化層，將復值數據轉化為實值數據，并獲得每個樣本的特征向量；最終接入兩層普通全連接層用于特征變換，并輸出樣本屬于各個類別的概率。

5.根據權利要求4所述的基于復值干涉神經網絡的時序信號識別方法，其特征在于：所述構復值干涉神經網絡中，重復堆疊頻域全連接層和干涉卷積層時，采用ResNet和DenseNet網絡架構中的跳層連接或稠密連接方式，以進一步增加網絡深度。