公开(公告)号：CN111832417B

公开(公告)日：2023-09-15

申请号：CN202010548590.7

申请日：2020-06-16

Applicant: 杭州电子科技大学

Inventor： 占锦敏 ,  赵知劲 ,  翁建新

IPC: G06F18/213 ,  G06F18/24 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开一种基于CNN‑LSTM模型和迁移学习的信号调制样式识别方法。本发明首先对采集多种不同调制信号样本集，预处理得到源数据集；再构建CNN‑LSTM网络模型，将网络的权值进行随机初始化，输入源数据集对网络模型进行预训练；将预训练后CNN网络与LSTM网络的权值参数对应迁移至目标CNN‑LSTM网络中，输入训练数据集对目标CNN‑LSTM网络中的随机森林分类器进行训练，得到训练完成的CNN‑LSTM网络；最后利用训练完成的CNN‑LSTM网络对测试数据集进行调制样式识别，得到信号分类识别结果。本发明结合了CNN网络与LSTM网络的特征提取优点，提高了信号识别性能，并解决了深度学习在缺少目标信号样本的条件下识别性能差的问题。

公开(公告)号：CN111832417A

公开(公告)日：2020-10-27

申请号：CN202010548590.7

申请日：2020-06-16

Applicant: 杭州电子科技大学

Inventor： 占锦敏 ,  赵知劲 ,  翁建新

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开一种基于CNN-LSTM模型和迁移学习的信号调制样式识别方法。本发明首先对采集多种不同调制信号样本集，预处理得到源数据集；再构建CNN-LSTM网络模型，将网络的权值进行随机初始化，输入源数据集对网络模型进行预训练；将预训练后CNN网络与LSTM网络的权值参数对应迁移至目标CNN-LSTM网络中，输入训练数据集对目标CNN-LSTM网络中的随机森林分类器进行训练，得到训练完成的CNN-LSTM网络；最后利用训练完成的CNN-LSTM网络对测试数据集进行调制样式识别，得到信号分类识别结果。本发明结合了CNN网络与LSTM网络的特征提取优点，提高了信号识别性能，并解决了深度学习在缺少目标信号样本的条件下识别性能差的问题。