[发明专利]一种基于FNN的随机信号检测方法在审
| 申请号： | 202210660235.8 | 申请日： | 2022-06-13 |
| 公开（公告）号： | CN115175366A | 公开（公告）日： | 2022-10-11 |
| 发明（设计）人： | 方锐捷;陈华敏 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | H04W74/08 | 分类号： | H04W74/08;G06N3/04;G06N3/08;H04W56/00 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 王兆波 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 fnn 随机 信号 检测 方法 | ||
1.一种基于FNN的随机信号检测方法，其特征在于：包括以下步骤：
步骤1：获取随机接入信号的频域数据；
步骤2：根据系统配置信息，确定随机接入序列长度；
步骤3：根据步骤2中所获得的接入序列长度，把所获取的随机接入信号的频域数据导入所述基于FNN的随机接入信号的序列生成信息判断模型，获得所获取的随机接入信号的序列生成信息；
步骤4：根据步骤2中所获得的接入序列长度，把所获取的随机接入信号的频域数据导入所述基于FNN的随机接入信号的时间提前量判断模型，得到所获取随机接入信号的时间提前量。
2.如权利要求1所述的基于FNN的随机信号检测方法，其特征在于：所述步骤3中的基于FNN的随机接入信号的序列生成信息判断模型，采用全连接层神经网络；
所述步骤3中的基于FNN的随机接入信号的序列生成信息判断模型，包含输入层、隐藏层和输出层；
所述输入层有1层；
所述输入层的神经元个数为步骤2中的随机接入序列的长度；
所述隐藏层有1层；
所述1个隐藏层的神经元个数为200个。
3.如权利要求1所述的基于FNN的随机接入信号的序列生成信息判断模型的隐藏层，其特征在于：所述隐藏层有2层；
第一层隐藏层为1000个神经元；
第二层隐藏层为500个神经元；
所述输出层有1层；
所述输出层的神经元个数为34个。
4.如权利要求3所述的基于FNN的随机信号检测方法，其特征在于：输出层为55个神经元。
5.如权利要求1所述的基于FNN的随机信号检测方法，其特征在于：所述步骤4中基于FNN的随机接入信号的时间提前量判断模型，为采用全连接层神经网络。
6.如权利要求1所述的基于FNN的随机接入信号的时间提前量判断模型，其特征在于：所述基于FNN的随机接入信号的时间提前量判断模型包含输入层、隐藏层和输出层。
7.如权利要求6所述的基于FNN的随机接入信号的时间提前量判断模型的隐藏层，其特征在于：所述隐藏层有1层，神经元个数为100个。
8.如权利要求6所述的基于FNN的随机接入信号的时间提前量判断模型的输入层，其特征在于：所述输入层有1层，所述输入层的神经元个数为步骤2中的随机接入序列的长度。
9.如权利要求6所述的基于FNN的随机接入信号的时间提前量判断模型的输出层，其特征在于：所述输出层有1层，神经元个数为4个。
10.如权利要求1所述的基于FNN的随机接入信号的时间提前量判断模型和基于FNN的随机接入信号的时间提前量判断模型，其特征在于：所述基于FNN的随机接入信号的时间提前量判断模型和基于FNN的随机接入信号的时间提前量判断模型通过预先训练得到。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210660235.8/1.html，转载请声明来源钻瓜专利网。
