[发明专利]一种用于干扰类型识别的低功耗深度学习网络方法有效
| 申请号： | 202011519173.6 | 申请日： | 2020-12-21 |
| 公开（公告）号： | CN112836788B | 公开（公告）日： | 2022-12-27 |
| 发明（设计）人： | 郑邑;尹良;曾超;马蓓丽;常鑫;柳杨;朱东红;桑明月;齐振鹏;于浩洋;周林 | 申请（专利权）人： | 中国电子科技集团公司第二十七研究所;北京邮电大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;H04B17/345 |
| 代理公司： | 郑州联科专利事务所(普通合伙) 41104 | 代理人： | 刘建芳 |
| 地址： | 450047 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了用于干扰类型识别的低功耗深度学习网络方法，包括以下步骤：采用蒙特卡洛方法，随机生成N个符号进行调制，生成干扰信号和高斯白噪声，通过加性干扰的方式，把干扰信号和高斯白噪声加入调制信号中，得到训练样本；神经网络模块的构建，共五层网络结构：训练分类；利用训练完毕的神经网络模型对输入样本进行特征提取和类型判决。本发明使用1x1卷积对上一层的卷积输出进行降维，以此缩小数据尺寸，并且通过卷积分解的方式将1x8大卷积分解为两个1x3小卷积，以此降低了参数量，然后将两个1x3卷积排列至同一层网络上，拓宽该层网络宽度，减小了网络深度，在网络精度不损失的情况下，进一步减小了网络的参数量，降低网络功耗。 | ||
| 搜索关键词： | 一种 用于 干扰 类型 识别 功耗 深度 学习 网络 方法 | ||
【主权项】：
暂无信息
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中国电子科技集团公司第二十七研究所;北京邮电大学，未经中国电子科技集团公司第二十七研究所;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/202011519173.6/，转载请声明来源钻瓜专利网。
