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！

申请/专利权人：中国电波传播研究所(中国电子科技集团公司第二十二研究所);中电科(青岛)电波技术有限公司

摘要：本发明公开了一种基于电离层参数补偿的深度学习短波信号识别方法，包括如下步骤：步骤1，构建总体神经网络：步骤2，对数据进行处理：步骤3，添加电离层参数以及先验知识：步骤4，进行正向梯度运算和反向梯度求导，更新参数：步骤5，获取识别结果，获取概率最高的一个类别。本发明所公开的方法，使用复数卷积模块提取I、Q两路通道特征，使用LSTM模块提取时间序列特征，充分发挥并提取I、Q两路通道以及时间序列的相关信息，以提高识别准确率。

主权项：1.一种基于电离层参数补偿的深度学习短波信号识别方法，其特征在于，包括如下步骤：步骤1，构建总体神经网络：首先采用Transformer神经网络构建电离层参数补偿网络，之后采用复数神经网络对信号的I、Q两路信号进行相应的特征关联，采用LSTM神经网络对I、Q时间序列的上下文前后关联进行分析；最后使用全连接层对提取的高维度特征进行识别分类；步骤2，对数据进行处理：将数据进行复数的归一化处理： 上式中，realx代表实部，imgx代表虚部；步骤3，添加电离层参数以及先验知识：对侦测得到的电离层参数进行平滑曲线拟合，获取一个多项式用以表征电离层参数在当天的变化情况：Variable＝∑aixi+b,i＝1,2,...,n上式中，a为多项式系数，b为多项式常数；对于电离层的参数拟合，拟合多项式的方差λvar小于衡量标准阈值α，之后将电离层参数与采集得到的真实数据以及理想数据输入到Transformer神经网络中，使用Transformer神经网络中的多头注意力机制：VQ,K,V＝X·WQ,K,V将数据X与权重W相乘，生成了查询Q，键K和值V，之后通过下式变换得到一个新的矩阵Z： 上式中，dk表示键值K的维度；步骤4，进行正向梯度运算和反向梯度求导，更新参数：数据经过网络，先进行矩阵的线性变换：z＝wTx+ba＝σz上式中，w为权重矩阵，b为偏置，σ为激活函数；之后使用交叉熵损失函数： 上式中，为预测的标签，y为真实的标签，通过预测与真实之间的偏差，通过反向梯度运算，进而将预测值接近真实值；首先计算权重w的梯度： 以及计算偏置的梯度： 上式中，为第l层卷积核的第j行k列的元素权重值；C为求得的代价函数，为上一层的输出值；为上一层与这一层预测与真实值的误差；为第l层卷积核的第j行对应的偏置值；为第l层卷积核的第j行k列的偏置值；为数据经过第l层卷积核的第j行输出的值；通过梯度的运算，获取相应权重与偏置参数，之后重复步骤1—4，以得到能够达到最小损失值的数值后的权重构成训练好的网络；步骤5，获取识别结果，获取概率最高的一个类别：采用未经过训练的数据，将数据格式处理成与训练数据相同的格式后，直接输入到训练好的网络，获取输出的概率向量[β1',β2',...,βn']，取概率中最大值作为识别结果，获取网络对此数据进行识别的最终结果。

全文数据：

权利要求：

百度查询： 中国电波传播研究所(中国电子科技集团公司第二十二研究所) 中电科(青岛)电波技术有限公司 一种基于电离层参数补偿的深度学习短波信号识别方法