公开(公告)号：CN117131359A

公开(公告)日：2023-11-28

申请号：CN202311017474.2

申请日：2023-08-14

Applicant: 北京林业大学

Inventor： 段瑞枫 ,  陈子玉 ,  孟伟

IPC: G06F18/213 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0442

Abstract: 本发明公开了一种基于混合神经网络的干扰信号识别方法和装置，涉及通信技术领域。该方法的一具体实施方式包括：获取多个信号样本及其真实标签；将多个信号样本分别转换成对应的时频图像；基于多个时频图像输入混合神经网络，得到各个信号样本的预测值；其中，混合神经网络依次包括：输入层、第一卷积块注意力模块、最大池化层、混合空洞卷积层、第二卷积块注意力模块、平均池化层、门控循环单元和全连接层；基于各个信号样本的真实标签和预测值，以及预设的损失函数，计算损失值；基于损失值调整混合神经网络的参数；基于训练好的混合神经网络识别当前信号中的干扰信号。该实施方式能够提高干扰信号的识别准确度。

公开(公告)号：CN118885922A

公开(公告)日：2024-11-01

申请号：CN202410905402.X

申请日：2024-07-08

Applicant: 北京林业大学

Inventor： 段瑞枫 ,  丁士杰 ,  陈子玉 ,  冯宇航 ,  张添茗 ,  陈羽茜

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/2131 ,  G06N3/0442 ,  H04L1/20

Abstract: 本申请公开了一种干扰信号的干扰类型识别方法、装置、介质及设备，属于通信技术领域。方法包括：获取待识别信号，待识别信号至少由噪声信号、有用信号和n种干扰类型的干扰信号叠加得到，n为大于等于1的未知数；获取预先训练的识别模型，识别模型至少包括融合移动翻转瓶颈卷积模块、最大池化层、多头注意力机制模块、双向门控循环单元和全连接层，融合移动翻转瓶颈卷积模块至少包括二维卷积单元、压缩和激励注意力单元以及二维逐点卷积单元；将待识别信号转换成对应的时频图像；利用识别模型中的各个模块对时频图像进行处理，得到待识别信号中干扰信号的n种干扰类型。本申请能处理干扰信号的时频图像，提高识别准确度。