[发明专利]一种超宽带非视距信号识别方法、装置和计算机设备在审
申请号: | 202210856912.3 | 申请日: | 2022-07-20 |
公开(公告)号: | CN115293246A | 公开(公告)日: | 2022-11-04 |
发明(设计)人: | 李沛秦;王浩文;谈一帆;陈浩;熊伟;伍江江;杜春;欧阳雪;彭双;景宁;陈荦;钟志农 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08;H04W4/02 |
代理公司: | 长沙国科天河知识产权代理有限公司 43225 | 代理人: | 邱轶 |
地址: | 410073 湖*** | 国省代码: | 湖南;43 |
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 宽带 视距 信号 识别 方法 装置 计算机 设备 | ||
1.一种超宽带非视距信号识别方法,其特征在于,所述方法包括:
获取原始超宽带信号样本集,根据所述原始超宽带信号样本集中的原始超宽带信号样本构建一维数组离散序列;所述一维数组离散序列中的一维数组串行连接;
根据所述一维数组离散序列确定各个所述原始超宽带信号样本的数据删除离散区间,根据所述数据删除离散区间得到对应的多个中间超宽带信号样本;
对所述中间超宽带信号样本中每一个数据删除离散区间,从其它原始超宽带信号样本中随机选取一段数据对所述数据删除离散区间进行填充,得到对应的多个混合超宽带信号样本;所述其它原始超宽带信号样本为当前中间超宽带信号样本所对应的原始超宽带信号样本之外的任一原始超宽带信号样本;随机选取的数据的长度与对应的数据删除离散区间的长度相等;
采用所述混合超宽带信号样本对预先构建的识别模型进行训练,得到训练好的识别模型;
采用所述训练好的识别模型进行超宽带非视距信号的识别。
2.根据权利要求1所述的方法,其特征在于,所述根据所述一维数组离散序列确定各个所述原始超宽带信号样本的数据删除离散区间,根据所述数据删除离散区间得到对应的多个中间超宽带信号样本,包括:
将所述一维数组离散序列与各个所述原始超宽带信号样本分别对齐;
根据所述一维数组离散序列中的各个所述一维数组的位置确定所述原始超宽带信号样本中的数据删除离散区间;
根据所述数据删除区间将对应的原始超宽带信号样本中的数据进行局部删除得到对应的多个中间超宽带信号样本。
3.根据权利要求1所述的方法,其特征在于,所述根据所述原始超宽带信号样本集中的原始超宽带信号样本构建一维数组离散序列,包括:
设计一维数组离散序列中的一维数组的数量以及相邻一维数组的间距变化区间;
在所述间距变化区间中随机取值作为每一对相邻一维数组的间距;
根据所述原始超宽带信号样本集中的原始超宽带信号样本的数据长度和各个一维数组离散序列的所述间距的总和构建数据删除率;
根据预先设置的数据删除率、所述原始超宽带信号样本的数据长度以及所述一维数组离散序列中一维数组的数量设计各个一维数组的数据长度;
根据所述一维数组的数量、所述每一对相邻一维数组的间距以及所述各个一维数组的数据长度构建一维数组离散序列。
4.根据权利要求1所述的方法,其特征在于,采用所述混合超宽带信号样本对预先构建的识别模型进行训练,得到训练好的识别模型,包括:
获取预先构建的识别模型;所述识别模型包括时间卷积网络层和自注意力层;
将所述混合超宽带信号样本作为所述识别模型的训练样本;
将所述训练样本输入所述识别模型,根据所述识别模型的识别精度和收敛时间构建适应度函数,采用粒子群优化算法以所述适应度函数最大为目标优化所述识别模型的网络参数得到训练好的识别模型;所述网络参数包括时间卷积网络层的卷积核大小和个数、时间卷积网络层数、学习率以及批量大小。
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中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,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/202210856912.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种抗电磁干扰方舱
- 下一篇:一种纸平底钻生产工艺