[发明专利]干扰类型识别模型的构建方法和系统

权利要求书

1.一种干扰类型识别模型的构建方法，其特征在于，包括以下步骤：

基于DNN技术生成干扰类型识别的神经网络模型；

从干扰信号获取干扰波形数据，根据干扰信号的干扰类型对所述干扰波形数据进行标注，根据干扰波形数据及其对应标注的干扰类型获取干扰数据样本，并形成干扰数据样本集；

从所述干扰数据样本集中随机选取若干个干扰数据样本形成干扰数据训练集，根据所述干扰数据训练集对所述神经网络模型进行训练；

若训练结果达到预设条件时，保存所述神经网络模型的模型参数，得到干扰类型识别模型。

2.根据权利要求1所述的干扰类型识别模型的构建方法，其特征在于，所述神经网络模型的输入层的神经元个数等于所述干扰波形数据中数据量；所述神经网络的输出层的神经元个数等于干扰类型数量。

3.根据权利要求1所述的干扰类型识别模型的构建方法，其特征在于，所述根据所述干扰数据训练集对所述神经网络模型进行训练的步骤，包括以下步骤：

将所述干扰数据训练集中每个干扰波形数据通过所述神经网络模型的输入层输入至所述神经网络模型的隐藏层，其中，所述干扰波形数据经过所述神经网络模型的隐藏层的处理转换后，输出至所述神经网络模型的输出层；

获取所述神经网络模型的输出层的输出结果；

根据所述输出结果以及所述干扰数据训练集中每个干扰波形数据标注的干扰类型利用梯度下降算法优化所述神经网络模型的模型参数。

4.根据权利要求3所述的干扰类型识别模型的构建方法，其特征在于，所述根据所述干扰数据训练集对所述神经网络模型进行训练的步骤之前，还包括以下步骤：

对所述干扰数据训练集中每个干扰波形数据进行归一化操作。

5.根据权利要求1所述的干扰类型识别模型的构建方法，其特征在于，所述得到干扰类型识别模型的步骤之后，还包括以下步骤：

从所述干扰数据样本集中选取若干个干扰数据样本形成干扰数据测试集；

将所述干扰数据测试集中每个干扰波形数据输入至所述干扰类型识别模型，得到干扰波形数据的干扰类型；

根据得到的干扰波形数据干扰类型以及所述干扰波形数据对应标注的干扰类型获取所述干扰类型识别模型的干扰识别准确率；

若所述干扰识别准确率低于预设干扰识别准确率阈值，根据所述干扰数据训练集对所述干扰类型识别模型再次进行训练，直至达到所述干扰识别准确率阈值。

6.根据权利要求5所述的干扰类型识别模型的构建方法，其特征在于，所述干扰数据测试集由所述干扰数据样本集除所述干扰数据训练集的干扰数据样本构成。

7.一种干扰类型识别模型的构建系统，其特征在于，包括：

模型生成模块，用于基于DNN技术生成干扰类型识别的神经网络模型；

样本收集模块，用于从干扰信号获取干扰波形数据，根据干扰信号的干扰类型对所述干扰波形数据进行标注，根据干扰波形数据及其对应标注的干扰类型获取干扰数据样本，并形成干扰数据样本集；

模型训练模块，用于从所述干扰数据样本集中随机选取若干个干扰数据样本形成干扰数据训练集，根据所述干扰数据训练集对所述神经网络模型进行训练；

模型获取模块，用于若训练结果达到预设条件时，保存所述神经网络模型的模型参数，得到干扰类型识别模型。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的干扰类型识别模型的构建方法。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6任意一项所述的干扰类型识别模型的构建方法。