[发明专利]基于卷积神经网络的深度学习的智能频谱图分析方法有效
| 申请号： | 201810228389.3 | 申请日： | 2018-03-20 |
| 公开（公告）号： | CN108446631B | 公开（公告）日： | 2020-07-31 |
| 发明（设计）人： | 王丹石;张民;辛宇;付美霞;李进 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王文思 |
| 地址： | 100876 *** | 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： | 本发明公开了一种基于卷积神经网络的深度学习的智能频谱图分析方法，涉及光通信领域，所述的方法包括以下步骤：获取所需分析的频谱图像集；频谱图像预处理；训练卷积神经网络(CNN)模块；所需频谱图像输入到训练好的的CNN中进行特征提取和性能分析；输出结果。本发明提供了一种通过自动检测提取特征达到自学习和演进的频谱图分析方法，解决了处理频谱数据中数据维度过高或者不确定的而导致的模型结构不具备通用性的问题。当有新的识别目标时，本发明可以自动提取测量过程所需的特征，并且由于输入的信息载体为图像，因此模型的结构确定，具备通用性。所提出的发明有潜力嵌入测试仪器实现智能化频谱分析，或应用于OPM模块以确保网络运营的鲁棒性。 | ||
| 搜索关键词： | 基于 卷积 神经网络 深度 学习 智能 频谱 分析 方法 | ||
【主权项】：
1.一种基于卷积神经网络的深度学习智能频谱图分析方法，其特征在于，所述的方法包括以下步骤：步骤一、获取所需分析的频谱图像集；步骤二：频谱图像预处理；步骤三：训练卷积神经网络(CNN)模块；步骤四：所需分析的频谱图像输入到训练好的的CNN中进行特征提取和性能分析；步骤五：输出分析结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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邮电大学，未经北京邮电大学许可，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/patent/201810228389.3/，转载请声明来源钻瓜专利网。
