公开(公告)号：CN112836788B

公开(公告)日：2022-12-27

申请号：CN202011519173.6

申请日：2020-12-21

申请人： 中国电子科技集团公司第二十七研究所 ,  北京邮电大学

发明人： 郑邑 ,  尹良 ,  曾超 ,  马蓓丽 ,  常鑫 ,  柳杨 ,  朱东红 ,  桑明月 ,  齐振鹏 ,  于浩洋 ,  周林

IPC分类号： G06N3/04 ,  G06N3/08 ,  H04B17/345

摘要： 本发明公开了用于干扰类型识别的低功耗深度学习网络方法，包括以下步骤：采用蒙特卡洛方法，随机生成N个符号进行调制，生成干扰信号和高斯白噪声，通过加性干扰的方式，把干扰信号和高斯白噪声加入调制信号中，得到训练样本；神经网络模块的构建，共五层网络结构：训练分类；利用训练完毕的神经网络模型对输入样本进行特征提取和类型判决。本发明使用1x1卷积对上一层的卷积输出进行降维，以此缩小数据尺寸，并且通过卷积分解的方式将1x8大卷积分解为两个1x3小卷积，以此降低了参数量，然后将两个1x3卷积排列至同一层网络上，拓宽该层网络宽度，减小了网络深度，在网络精度不损失的情况下，进一步减小了网络的参数量，降低网络功耗。

公开(公告)号：CN112836788A

公开(公告)日：2021-05-25

申请号：CN202011519173.6

申请日：2020-12-21

申请人： 中国电子科技集团公司第二十七研究所 ,  北京邮电大学

发明人： 郑邑 ,  尹良 ,  曾超 ,  马蓓丽 ,  常鑫 ,  柳杨 ,  朱东红 ,  桑明月 ,  齐振鹏 ,  于浩洋 ,  周林

IPC分类号： G06N3/04 ,  G06N3/08 ,  H04B17/345

摘要： 本发明公开了用于干扰类型识别的低功耗深度学习网络方法，包括以下步骤：采用蒙特卡洛方法，随机生成N个符号进行调制，生成干扰信号和高斯白噪声，通过加性干扰的方式，把干扰信号和高斯白噪声加入调制信号中，得到训练样本；神经网络模块的构建，共五层网络结构：训练分类；利用训练完毕的神经网络模型对输入样本进行特征提取和类型判决。本发明使用1x1卷积对上一层的卷积输出进行降维，以此缩小数据尺寸，并且通过卷积分解的方式将1x8大卷积分解为两个1x3小卷积，以此降低了参数量，然后将两个1x3卷积排列至同一层网络上，拓宽该层网络宽度，减小了网络深度，在网络精度不损失的情况下，进一步减小了网络的参数量，降低网络功耗。