Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习与DS证据理论融合的辐射源识别方法 

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:中国人民解放军国防科技大学

摘要:本申请涉及一种基于深度学习与DS证据理论融合的辐射源识别方法。所述方法包括:采集获取目标区域内待识别辐射源的电磁信号并进行预处理、信号表示和数据增强处理,并按照一定比例随机划分为训练集、验证集和测试集;将训练集和验证集输入包含三类深度学习网络的辐射源识别模型,训练得到最优识别模型;将测试集输入最优识别模型,识别得到三类深度学习网络输出的识别结果;基于DS证据推理理论融合三类深度学习网络输出的识别结果,得到最终的辐射源类型识别结果。本方法通过多类型网络融合训练降低对信号样本数量、噪声强度的要求,并利用DS证据推理,避免单一网络识别偏差,最终提高了辐射源识别的实用性和准确性。

主权项:1.一种基于深度学习与DS证据理论融合的辐射源识别方法,其特征在于,所述方法包括:采集获取目标区域内待识别辐射源的电磁信号并进行预处理;依据信号中的时域和时频域特征对预处理后的电磁信号进行信号表示,获取不同类型的信号表示结果并进行数据增强处理,并将数据增强处理后的信号表示结果按照一定比例随机划分为训练集、验证集和测试集;将所述训练集和验证集输入预先构建的辐射源识别模型进行训练和参数调优,直至训练得到最优的辐射源识别模型;其中,所述辐射源识别模型包括三类深度学习网络,分别为LSTM网络、一维卷积神经网络和二维卷积神经网络;将所述测试集输入所述最优的辐射源识别模型,通过模型中三类深度学习网络分别提取输入数据的时序特征、局部特征和局部纹理特征进行辐射源类型识别,得到三类深度学习网络输出的识别结果;基于DS证据推理理论融合三类深度学习网络输出的识别结果,得到最终的辐射源类型识别结果。

全文数据:

权利要求:

百度查询: 中国人民解放军国防科技大学 基于深度学习与DS证据理论融合的辐射源识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。