[发明专利]基于卷积神经网络的卫星导航干扰信号识别装置及其方法

权利要求书

1.基于卷积神经网络的卫星导航干扰信号识别方法，其特征在于，主要包括以下步骤：

S1，信号预处理：将一维卫星导航典型干扰信号下变频到基带处理，对零中频信号做长度截断，所述一维卫星导航典型干扰信号经反复复制后转换为二维图像形式；

S2，卷积神经网络构建：卷积神经网络包含三个卷积层，分别包含32个3×3的卷积层，16个3×3的卷积层和16个3×3的卷积层，每一个卷积层之后引入归一化层，每一个归一化层之后引入池化层，最后加上全连接层作为输出层，所述卷积层均选择ReLU作为激活函数，所述全连接层采用softmax作为激活函数；

S3，训练分类：将二维图像输入步骤S2的卷积神经网络，对信号自动提取特征，并通过训练完成分类识别，最后输出干扰信号的识别分选结果。

2.如权利要求1所述的基于卷积神经网络的卫星导航干扰信号识别方法，其特征在于所述步骤S3网络训练过程中，训练数据库通过调节干扰信号的不同波形参数产生，并分别针对不同的干扰信号种类进行训练，所述训练算法为sgdm算法。

3.使用如权利要求1所述方法的基于卷积神经网络的卫星导航干扰信号识别装置，其特征在于：包括预处理模块、卷积神经网络模块和输出模块，所述卷积神经网络模块分别与预处理模块和输出模块相连接，

所述预处理模块用于将一维卫星导航典型干扰信号转换为二维图像；

所述卷积神经网络模块包含三个卷积层，分别包含32个3×3的卷积层，16个3×3的卷积层和16个3×3的卷积层，每一个卷积层之后引入归一化层，每一个归一化层之后引入池化层，最后加上全连接层作为输出层，所述卷积神经网络模块用于对二维图像信号经过仿真训练，有效的提取信号特征并进行分类；

所述输出模块用于卷积神经网络模块训练和分类结果的输出，能够显示二维图像输入信息、卷积神经网络仿真训练信息和识别分选结果信息。