[发明专利]基于卷积神经网络的超短波特定信号识别方法

权利要求书

1.一种基于卷积神经网络的超短波特定信号识别方法，其特征在于，包含如下内容：

对样本库中特定信号进行短时傅里叶变换，获取信号时频图谱，其中，特定信号为信号传输数据帧结构中包含帧同步码的信号；

使用时频图谱对卷积神经网络模型进行训练；

利用训练后的卷积神经网络模型对超短波通信中特定信号进行识别；

信号传输数据帧结构包含帧同步码和数据帧，其中，帧同步码为信号发送数据帧结构中的规律数据帧；

卷积神经网络模型包含依次设置的输入层、卷积层一、卷积层二、混合层一、混合层二、混合层三、卷积层三、平均池化层及输出层，其中，卷积层一、卷积层二、混合层一、混合层二、混合层三、卷积层三和平均池化层中采用不同大小尺寸的卷积核；

卷积层一、卷积层二、混合层一、混合层二、混合层三、卷积层三和平均池化层的卷积核大小依次递减；卷积层三采用3*3卷积核连接3*3平均池化层；

混合层三中采用卷积和平均池化两层结构；

混合层一、混合层二及混合层三均采用Inception模块进行优化；

输出层中采用全局平均池化和分类输出实现端到端的全卷积神经网络的训练和识别；

使用时频图谱对卷积神经网络模型进行训练和/或识别时前，首先对时频图谱进行随机裁剪增加卷积神经网络模型输入层接收的数据规模；

混合层一和混合层三两者结构引入跳跃式传递进行残差处理，缓解训练和识别时梯度弥散。