[發(fā)明專利]一種通信干擾信號的智能識別方法、裝置及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210186023.0
• 申請日: 2022-02-28
• 公開（公告）號: CN114548182A
• 公開（公告）日: 2022-05-27
• 發(fā)明（設計）人: 關磊;王小豪;司江勃;李贊;許睿;惠佩;王浩;楊迪丹;付杭;高文棟
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安維英格知識產(chǎn)權代理事務所(普通合伙) 61253
• 代理人: 歸瑩;沈寒酉

1.一種通信干擾信號的智能識別方法，其特征在于，所述方法包括：

將獲取到的通信干擾信號的頻譜數(shù)據(jù)劃分訓練集和驗證集；

利用能夠進行置信分數(shù)估計和識別概率計算的深度卷積神經(jīng)網(wǎng)絡DCNN構建通信干擾信號的識別模型；

利用所述訓練集對所述識別模型進行訓練；

將訓練完畢的所述識別模型對所述驗證集進行識別，并根據(jù)識別結(jié)果中關于所述驗證集的數(shù)據(jù)置信分數(shù)的分布，設置用于判定未知干擾信號的判定閾值；

將訓練完畢的所述識別模型對待識別的通信干擾信號進行識別，獲得所述待識別的通信干擾信號的置信分數(shù)和概率分布；

相應于所述待識別的通信干擾信號的置信分數(shù)小于所述判定閾值，則確定所述待識別的通信干擾信號為未知干擾；否則，將所述待識別通信干擾信號判定為概率最高的通信干擾信號。

2.根據(jù)權利要求1所述的方法，其特征在于，所述將獲取到的通信干擾信號的頻譜數(shù)據(jù)劃分訓練集和驗證集，包括：

采集所述獲取到的通信干擾信號的I通道和Q通道的數(shù)據(jù)；

將所述I通道和Q通道的數(shù)據(jù)進行離散傅里葉變換獲得所述獲取到的通信干擾信號的頻譜數(shù)據(jù)；

將所述獲取到的通信干擾信號的頻譜數(shù)據(jù)中的每種類型的通信干擾信號數(shù)據(jù)集隨機抽取80％的數(shù)據(jù)作為所述訓練集，并將剩余的20％的數(shù)據(jù)作為所述驗證集。

3.根據(jù)權利要求1所述的方法，其特征在于，所述利用能夠進行置信分數(shù)估計和識別概率計算的DCNN構建通信干擾信號的識別模型，包括：

基于識別需求確定所述DCNN的輸入輸出層的節(jié)點、卷積層層數(shù)、卷積核數(shù)、激活函數(shù)、池化層數(shù)以及全連接層數(shù)并進行初始化；

將所述DCNN劃分為提取特征部分、特征整合部分和結(jié)果處理部分；其中，所述提取特征部分包括卷積層和池化層；所述特征整合部分包括兩個全連接層；所述結(jié)果處理部分包括兩個全連接層且兩個所述全連接層分別對所述特征整合部分輸出的結(jié)果進行處理以得到待識別干擾信號在各已知干擾信號上的匹配概率和對待識別干擾信號識別的置信分數(shù)。

4.根據(jù)權利要求3所述的方法，其特征在于，所述提取特征部分共13層，輸入層節(jié)點數(shù)為150528，輸出層節(jié)點數(shù)為25088，卷積層層數(shù)為8，池化層層數(shù)為5；所述特征整合部分的兩個全連接層的神經(jīng)元數(shù)目分別為25088和512的兩個全連接層；所述結(jié)果處理部分的兩個全連接層的神經(jīng)元數(shù)目均為128。

5.根據(jù)權利要求3所述的方法，其特征在于，所述結(jié)果處理部分包括置信分數(shù)估計單元和識別概率計算單元；其中，每個單元均對應一全連接層；所述識別概率計算單元用于將所述特征整合部分輸出的結(jié)果通過對應的全連接層和Softmax層后得到待識別干擾信號識別為各已知干擾信號的概率；所述置信分數(shù)估計單元用于將所述特征整合部分輸出的結(jié)果通過對應的全連接層后得到所述待識別干擾信號的識別概率的結(jié)果的可靠程度，再將所述可靠程度經(jīng)sigmoid激活函數(shù)處理得到0到1之間的數(shù)字，作為待識別干擾信號的置信分數(shù)。