[发明专利]基于振荡神经网络的信息内容确认方法、装置及系统在审
| 申请号: | 202210043040.9 | 申请日: | 2022-01-14 |
| 公开(公告)号: | CN114398928A | 公开(公告)日: | 2022-04-26 |
| 发明(设计)人: | 杨建磊;成镇;贾小涛;赵巍胜 | 申请(专利权)人: | 北京航空航天大学 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 杨勇;崔博 |
| 地址: | 100191*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 振荡 神经网络 信息内容 确认 方法 装置 系统 | ||
1.一种基于振荡神经网络的信息内容确认方法,其特征在于,包括:
将输入的数字信号编码为至少一个第一模拟信号;所述数字信号是对待确认信息进行数字化得到;
结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作,生成对应的第二模拟信号;
对每个所述第二模拟信号进行分类,输出分类结果,以基于所述分类结果确认所述待确认信息的内容。
2.根据权利要求1所述的信息内容确认方法,其特征在于,所述第一模拟信号的类型为频率;所述将输入的数字信号编码为至少一个第一模拟信号,包括:
量化所述数字信号对应每一信号位的所有信号值,生成对应每一信号位的第一量化值,所述第一量化值处于第一设定量化范围内;
对一时钟信号进行小数分频,产生多个第一时钟分频信号,每个第一时钟分频信号对应所述第一设定量化范围内的其中一个第一量化值;
基于每个信号位的第一量化值,以及所述第一时钟分频信号与所述第一量化值的对应关系,选择第一分频参数进行分频,生成对应每个信号位的第一模拟信号。
3.根据权利要求1所述的信息内容确认方法,其特征在于,所述第二模拟信号的类型为频率;所述结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作,生成对应的第二模拟信号,包括:
检测设定时长内每个所述第一模拟信号的上升沿数量和下降沿数量,并结合所述上升沿数量和下降沿数量计算每个所述第一模拟信号在设定时长内的周期数;
结合一预设权重矩阵对所有第一模拟信号的周期数进行乘加计算操作,得到第一乘加结果,并对所述第一乘加结果进行量化处理,生成对应所述第一乘加结果的第二量化值;每个第二量化值处于第二设定量化范围内;
对另一时钟信号进行小数分频,产生多个第二时钟分频信号,每个第二时钟分频信号对应所述第二设定量化范围内的其中一个第二量化值;
基于每个乘加结果对应的第二量化值,以及所述第二时钟分频信号与所述第二量化值的对应关系,选择第二分频参数进行分频,生成对应每个乘加结果的第二模拟信号,其中,所述第二模拟信号的位深度与所述第一模拟信号的位深度相同或不同。
4.根据权利要求1所述的信息内容确认方法,其特征在于,所述对每个所述第二模拟信号进行分类,输出分类结果,包括:
检测设定时长内每个所述第二模拟信号的上升沿数量和下降沿数量,并结合所述上升沿数量和下降沿数量计算每个所述第二模拟信号在设定时长内的周期数;
结合另一预设权重矩阵对所有第二模拟信号的周期数进行乘加计算操作,得到第二乘加结果;
对每个第二乘加结果进行比较,选取响应值最大的所述第二乘加结果作为分类结果。
5.一种基于振荡神经网络的信息内容确认电路,其特征在于,包括:
编码模块,用于将输入的数字信号编码为至少一个第一模拟信号;所述数字信号是对待确认信息进行数字化得到;
耦合计算模块,结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作,生成对应的第二模拟信号;
分类输出模块,对每个所述第二模拟信号进行分类,输出分类结果,以基于所述分类结果确认所述待确认信息的内容。
6.根据权利要求5所述的信息内容确认电路,其特征在于,所述第一模拟信号的类型为频率;所述编码模块包括:依次耦接的量化电路、第一分频电路以及第一选择器电路;
所述量化电路用于量化所述数字信号对应每一信号位的所有信号值,生成对应每一信号位的第一量化值,所述第一量化值处于第一设定量化范围内;
所述第一分频电路用于对一时钟信号进行小数分频,产生多个第一时钟分频信号,每个第一时钟分频信号对应所述第一设定量化范围内的其中一个第一量化值;
所述第一选择器电路基于每个信号位的第一量化值,以及所述第一时钟分频信号与所述第一量化值的对应关系,选择第一分频参数进行分频,生成对应每个信号位的第一模拟信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210043040.9/1.html,转载请声明来源钻瓜专利网。





