- 专利标题: 基于干扰清洗和两阶段训练卷积神经网络模型的调制识别方法
-
申请号: CN201910372387.6申请日: 2019-05-06
-
公开(公告)号: CN110224956B公开(公告)日: 2021-11-23
- 发明人: 吕玉祥 , 赵永生 , 郭雅娟 , 吴庆 , 朱道华 , 汪玉成 , 杨阳 , 孙云晓 , 王光发 , 秦浩 , 李温静 , 刘智威
- 申请人: 安徽继远软件有限公司 , 国网信息通信产业集团有限公司 , 国网江苏省电力有限公司电力科学研究院 , 国家电网公司 , 国网江苏省电力有限公司
- 申请人地址: 安徽省合肥市高新区习友路1800号; ; ; ;
- 专利权人: 安徽继远软件有限公司,国网信息通信产业集团有限公司,国网江苏省电力有限公司电力科学研究院,国家电网公司,国网江苏省电力有限公司
- 当前专利权人: 安徽继远软件有限公司,国网信息通信产业集团有限公司,国网江苏省电力有限公司电力科学研究院,国家电网公司,国网江苏省电力有限公司
- 当前专利权人地址: 安徽省合肥市高新区习友路1800号; ; ; ;
- 代理机构: 重庆为信知识产权代理事务所
- 代理商 余锦曦
- 主分类号: H04L27/00
- IPC分类号: H04L27/00 ; H04L27/26 ; G06K9/00 ; G06K9/62
摘要:
本发明公开了一种基于干扰清洗和两阶段训练卷积神经网络模型的调制识别方法,该方法首先利用采集到的调制信号样本序列生成原始的周期相关特征数字谱图,并对其进行泛化奇异值分解操作、空间划分操作、消除噪声操作和抑制串扰操作等处理得到原始的最终周期相关特征数字谱图然后对卷积神经网络执行两阶段训练得到卷积神经网络模型,实现对输入的调制信号进行调制模式的识别、分类。显著特点:提高调制识别和分类准确性的同时,降低复杂度;能消除加性噪声并抑制来自相邻信道的串扰,增强训练和识别信号数据的真实性;提高了调制识别的泛化能力。
公开/授权文献
- CN110224956A 基于干扰清洗和两阶段训练卷积神经网络模型的调制识别方法 公开/授权日:2019-09-10