公开(公告)号：CN114301499B

公开(公告)日：2024-02-20

申请号：CN202111627402.0

申请日：2021-12-28

Applicant: 杭州电子科技大学

Inventor： 王安强 ,  赵知劲 ,  叶学义 ,  尚俊娜 ,  姜明 ,  岳克强

IPC: H04B1/715 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于CNN‑GRU的跳频信号智能接收方法，首先搭建跳频序列智能估计网络CNN‑GRU；然后生成相应的训练数据对CNN‑GRU网络进行线下训练；最后接收方使用CNN‑GRU网络对接收信号进行处理，从而得到发送方所发送的信息。本发明CNN‑GRU网络具有较强的泛化能力和鲁棒性，针对跳频信号的非平稳特性，使用短时傅里叶变换准确反映信号的时频域特征，同时解决了单纯使用时域信号所带来的信息冗余问题，减少了网络模型的计算量。使用门循环单元对提取到的高维特征进行处理，通过其所具有的记忆能力来进一步利用信号在时域上的相关信息，同时提高了网络模型对不同长度跳频接收信号的适应性。

公开(公告)号：CN114301499A

公开(公告)日：2022-04-08

申请号：CN202111627402.0

申请日：2021-12-28

Applicant: 杭州电子科技大学

Inventor： 王安强 ,  赵知劲 ,  叶学义 ,  尚俊娜 ,  姜明 ,  岳克强

IPC: H04B1/715 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于CNN‑GRU的跳频信号智能接收方法，首先搭建跳频序列智能估计网络CNN‑GRU；然后生成相应的训练数据对CNN‑GRU网络进行线下训练；最后接收方使用CNN‑GRU网络对接收信号进行处理，从而得到发送方所发送的信息。本发明CNN‑GRU网络具有较强的泛化能力和鲁棒性，针对跳频信号的非平稳特性，使用短时傅里叶变换准确反映信号的时频域特征，同时解决了单纯使用时域信号所带来的信息冗余问题，减少了网络模型的计算量。使用门循环单元对提取到的高维特征进行处理，通过其所具有的记忆能力来进一步利用信号在时域上的相关信息，同时提高了网络模型对不同长度跳频接收信号的适应性。