买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉沈阳理工大学申请的专利一种卫星导航系统的高效干扰识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115932898B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211692187.7，技术领域涉及：G01S19/21；该发明授权一种卫星导航系统的高效干扰识别方法是由冯永新;刘芳;景海彬设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种卫星导航系统的高效干扰识别方法在说明书摘要公布了：本发明设计一种卫星导航系统的高效干扰识别方法，涉及通信技术领域和卫星导航定位领域；首先通过导航卫星接收端接收信号，并对对接收信号进行预处理，然后对预处理过后的接收信号进行特征提取，建立接收信号的特征参数数据集；建立一种通过改进麻雀算法来优化BP神经网络模型分类器SSA‑BP，对特征参数数据集进行分类；得到识别结果；本方法能够准确识别出接收信号中存在哪种干扰，有助于快速采取相应措施，提高抗干扰能力；适用于具有卫星导航接收系统及装置。

本发明授权一种卫星导航系统的高效干扰识别方法在权利要求书中公布了：1.一种卫星导航系统的高效干扰识别方法，其特征在于，具体包括以下步骤： 步骤1：导航卫星接收端接收信号，所述信号包含导航信号、干扰信号和噪声；其中干扰信号为单音干扰、多音干扰、脉冲干扰、扫频干扰、BPSK干扰、噪声干扰；噪声干扰指噪声调幅干扰、宽带噪声干扰，窄带噪声干扰； 步骤2：对接收信号进行预处理，预处理过程包括归一化、降噪处理；所述归一化是将信号的功率全部归一化到[-1,1]，采用小波变换进行滤波降噪； 步骤3：对预处理过后的接收信号进行特征-提取，使其对干扰信号进行有效的识别； 步骤4：通过步骤3对特征参数的提取，建立接收信号的特征参数数据集； 所述数据集一共包含九维数据，前八维代表提取的八种特征参数，其中，第一维对应时域峭度因子、第二维对应时域波形因子、第三维对应时域峰值因子、第四维对应时域脉冲因子、第五维对应时域裕度因子、第六维对应载波因子系数、第七维对应归一化平均平坦系数，第八维对应时域矩偏均值；第九维对应干扰信号的类型； 步骤5：考虑传统的BP神经网络存在着学习速度慢、容易陷入局部最优的问题，建立一种通过改进麻雀种群初始化方式以及更改发现者与加入者身份公式后的麻雀算法来优化BP神经网络模型分类器SSA-BP，对步骤4建立的特征参数数据集进行分类； 首先把步骤4中生成的特征参数数据集按照7:3的比例分为训练集和测试集；输入按照比例分好后的训练集数据及测试集数据，并进行归一化处理，然后用训练集数据去训练SSA-BP网络模型，等训练达到最大迭代次数或达到最小误差时停止训练；再用测试集数据对已经训练好的SSA-BP网络模型进行验证分类，从而实现对各个干扰信号的分类识别； 步骤5.1：建立BP神经网络结构，即确定BP神经网络的输入层、隐藏层以及输出层节点数目； 步骤5.2：对BP神经网络进行初始化； 步骤5.3：初始化种群和目标函数；建立改进的麻雀算法优化器，即设置麻雀算法中，，，，参数值；其中：最大迭代次数；：种群大小，即麻雀数量；：发现者数量；：感应危险的麻雀数量；：安全值； 步骤5.4：建立改进的混沌映射公式，其中代表麻雀种群位置，是麻雀数量；初始化麻雀种群位置并计算每个麻雀个体的适应度； ； 式中，TraingingSet，TestingSet分别为训练集和测试集；则适应度函数F即训练集和测试集整体的均方误差的最小值； 步骤5.5：建立改进的发现者位置更新公式；来更新发现者位置； ； 式中，exp表示以常数e为底的指数函数，代表产生服从期望值0，标准差1的正态分布的一个随机数，代表当前迭代次数，表示第个麻雀在第维中的位置信息，是的随机数，和分别表示预警值和安全值； 步骤5.6：建立改进的跟随者位置更新公式，来更新加入者位置； ； ； 其中，的计算方式如下： ； 其中，，，，服从均匀分布，是[0,1]范围内的随机数，是当前发现者占领的最佳位置，为适应度最低的麻雀位置，为服从标准正态分布的随机数，代表克罗内克积，代表莱维分布，表示需要优化的维数； 步骤5.7：使用原麻雀算法中的预警者公式来更新预警者的位置； 步骤5.8：判断是否满足终止条件；即是否达到最大迭代次数或达到目标要求的最小误差，如果满足则输出最优个体参数，并赋值给BP神经网络最优权值和阈值参数；否则返回步骤5.4； 步骤5.9：将归一化的训练集数据输入BP神经网络进行训练； 步骤5.10：若达到最大迭代次数或达到目标要求的最小误差，则训练结束，并输出网络模型SSA-BP；否则返回步骤5.9； 步骤5.11：用归一化的测试集数据对输出网络模型SSA-BP进行测试，并输出标签，即可判断属于哪一种干扰，从而实现BP神经网络分类；得到识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳理工大学，其通讯地址为：110159 辽宁省沈阳市浑南新区南屏中路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。