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：浙江工业大学

摘要：基于全分量小波下采样的深度卷积神经网络无线调制信号识别方法，通过设计深度卷积神经网络下的多阈值全分量小波下采样模块，用离散小波变换方法将目标信号分解为多个不同频率分量的子信号，保留目标信号特征低频和高频信息，用全分量小波下采样代替传统的卷积最大池化操作；遵循自适应软阈值去噪规则，构建多阈值通道结构，实现多阈值去噪；利用全局损失协同优化子网参数。本发明针对不同频率无线调制信号识别中的信息丢失和去噪问题，设计了一种新的信号提取方法，相比于现有的信号提取方法，该方法提高了无线调制信号识别的精度。

主权项：1.深度卷积神经网络无线调制信号识别方法，其特征在于，包括以下步骤：步骤1：设计深度卷积神经网络下的多阈值全分量小波下采样模块，下采样从无线调制信号中提取重要频率特征信息，进而压缩数据大小以减少计算量；为此，利用离散小波变换方法将目标信号分解为多个不同频率分量的子信号；无线调制信号S表示为： 其中Φ0p和Ψ0p分别为低频空间和高频空间中的标准正交基，S1和S2分别是无线调制信号S的低频和高频分量，并且S1和S2的数据尺寸是S的一半；此外，低频分量是源信号S的近似信号，表示其趋势；根据式1，有： 其中，S1t和S2t分别为低频信号和高频信号，为小波系数；将小波分解的全分量组合表示为： 其中，wn是每个分量的权重；根据经验小波变换思想，通过设置不同的带通滤波器，提取出Sout中的所有分量；此外，当噪声频率不确定时，通过对w0和wn的自适应调整，提取S1t和S2t中的有效信息；一维目标信号Sx的一维小波分解如下： 其中C-1S为近似低频系数，B-1S为详细的高频系数，dp和gp为低通滤波器和高通滤波器，q为序列号，p为平移参数；结合式4，使得： 需要指出的是，式4中Sx的原型是C0S，这意味着： C0S＝DpC-1S+GpB-1S7其中，式6中的小波分解被视为下采样的前向传播过程，而式7中的S的重构则被视为网络更新的后向传播过程；相似地，将二维信号Sx的小波分解表示为： 其中，Cdd为近似低频系数，Bdg、Bgd、Bgg为三个细节的高频系数，r、k分别为水平和垂直尺度参数；步骤2：将各自信号作为输入构建反向传播神经网络结构，自适应地从所有分量中提取信息，将上述全分量小波下采样来代替传统的卷积最大池化操作；步骤3：基于全分量小波下采样，遵循自适应软阈值去噪规则，构建多阈值通道结构，实现多阈值去噪；步骤4：利用全局损失协同优化子网参数；根据交叉网络自校正的思想，设计同步并行网络Netl和Net2，并将它们的输出结果加权融合。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于全分量小波下采样的深度卷积神经网络无线调制信号识别方法