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！

龙图腾网恭喜北京航空航天大学合肥创新研究院申请的专利一种基于深度学习的宽带宽频率频谱分析方法及系统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：CN119538074B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510104306.X，技术领域涉及：G06F18/2411；该发明授权一种基于深度学习的宽带宽频率频谱分析方法及系统是由刘少峰;操岳恒设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于深度学习的宽带宽频率频谱分析方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的宽带宽频率频谱分析方法及系统，方法包括频谱信号采集、频谱预处理、异常干扰检测、频谱趋势预测和频谱调度管理。本发明涉及宽频率频谱分析技术领域，具体是指一种基于深度学习的宽带宽频率频谱分析方法及系统，本方案采用异常干扰检测—频谱趋势预测—频谱调度管理的三步走方法，通过逐层递进的深度学习和强化学习技术，能够实现对频谱异常的实时检测、未来趋势的精准预测，以及动态资源优化分配；采用结合特征增强的联合改进多分类支持向量机方法，进行异常干扰检测；采用结合一维卷积特征提取的时序集成网络，进行频谱趋势预测；采用近端策略优化算法增强的强化学习方法，进行频谱调度管理。

本发明授权一种基于深度学习的宽带宽频率频谱分析方法及系统在权利要求书中公布了：1.一种基于深度学习的宽带宽频率频谱分析方法，其特征在于：该方法包括以下步骤：步骤S1：频谱信号采集，通过宽带频谱数据采集，进行宽带款频率频谱数据采集，得到宽频率频谱分析原始数据集；步骤S2：频谱预处理，通过进行信号去噪、数据归一化和数据质量优化操作，得到频谱分析优化数据；步骤S3：异常干扰检测，用于检测频谱信号中的异常数据并进行异常分类，具体为依据所述频谱分析优化数据，采用结合特征增强的联合改进多分类支持向量机方法，进行异常干扰检测，得到异常干扰检测数据，具体包括以下步骤：步骤S31：构建多分类支持向量机基本模型；步骤S32：线性判别特征降维优化；步骤S33：多维线性联合改进；步骤S34：改进多分类支持向量机迭代训练；步骤S35：异常干扰检测；步骤S4：频谱趋势预测，用于预测并构建频谱数据的变化趋势，具体为依据所述频谱分析优化数据和异常干扰检测数据，采用结合一维卷积特征提取的时序集成网络，进行频谱趋势预测，得到频谱趋势预测数据；步骤S5：频谱调度管理，用于结合异常干扰检测和频谱趋势预测的结果进行频谱动态优化和频谱资源分配优化，具体为依据所述频谱分析优化数据、所述异常干扰检测数据和所述频谱趋势预测数据，采用近端策略优化算法增强的强化学习方法，进行频谱调度管理，得到宽带宽频率分析调度参考数据，具体包括以下步骤：步骤S51：强化学习环境建构，具体为通过强化学习建模，构建强化学习环境，并依据所述强化学习环境进行强化学习训练，所述强化学习建模，具体包括状态参数构建、动作参数构建和奖励函数构建；所述状态参数，包括频谱信号占用率参数、历史频谱趋势参数、异常故障干扰参数和预测趋势参数；所述动作参数，包括带宽分配调整动作、频谱资源时隙调度动作和高负载区域频谱使用规划动作；所述奖励函数，具体通过资源利用率最大化目标、干扰最小化目标和系统时延最小化目标加权结合计算；步骤S52：构建近端策略梯度优化算法，具体为通过限制策略更新幅度，并构建裁剪目标函数，进行近端策略梯度优化算法构建；步骤S53：近端策略强化学习增强，具体为通过应用所述近端策略梯度优化算法，依据所述强化学习环境，进行近端策略优化算法增强的强化学习训练，直至训练收敛，进行强化学习增强；步骤S54：频谱调度管理模型训练，具体为通过所述强化学习环境建构、所述近端策略梯度优化算法和所述近端策略强化学习增强，进行频谱调度管理模型训练，得到频谱调度管理模型ModelSM；步骤S55：频谱调度管理，具体为使用所述频谱调度管理模型ModelSM，依据所述频谱分析优化数据、所述异常干扰检测数据和所述频谱趋势预测数据，进行频谱调度管理，得到宽带宽频率分析调度参考数据。

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北京航空航天大学合肥创新研究院，其通讯地址为：230012 安徽省合肥市合肥新站高新区魏武路999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”。