[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有效

专利信息
申请号: 201910772412.X 申请日: 2019-08-20
公开(公告)号: CN110515096B 公开(公告)日: 2023-03-31
发明(设计)人: 陈鹏;高林霞;曹振新;许湘剑;汤湘伟 申请(专利权)人: 东南大学;扬州步微科技有限公司;中电科技扬州宝军电子有限公司
主分类号: G01S19/01 分类号: G01S19/01;G06F18/241;G06N3/0464;G06N3/084
代理公司: 南京众联专利代理有限公司 32206 代理人: 叶倩
地址: 210096 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种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,基于CNN深度学习网络在二维数据处理上的优势,干扰信号通过多通道重复的方式,创新性地将降采样之后的一维干扰信号转换为二维图像形式,并以此为基础构建出用于干扰信号识别的卷积神经网络,所述深度学习网络包含三个卷积层,分别包含32个33的卷积层,16个33的卷积层和16个33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,在CNN分类模型完成训练后,有效识别出卫星干扰信号并完成分选,更加的高效、快速。
搜索关键词: 基于 卷积 神经网络 卫星 导航 干扰 信号 识别 装置 及其 方法
【主权项】:
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:/nS1,信号预处理:将一维卫星导航典型干扰信号转换为二维图像;/nS2,卷积神经网络构建:所述深度学习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;/nS3,训练分类:将二维图像输入步骤S2的卷积神经网网络,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。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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东南大学;扬州步微科技有限公司;中电科技扬州宝军电子有限公司,未经东南大学;扬州步微科技有限公司;中电科技扬州宝军电子有限公司许可,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/patent/201910772412.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top