基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星導(dǎo)航干擾信號(hào)識(shí)別裝置及其方法

基本信息

申請(qǐng)?zhí)?/td> CN201910772412.X 申請(qǐng)日 -
公開（公告）號(hào) CN110515096A 公開（公告）日 2019-11-29
申請(qǐng)公布號(hào) CN110515096A 申請(qǐng)公布日 2019-11-29
分類號(hào) G01S19/01;G06K9/62;G06N3/04;G06N3/08 分類 測(cè)量；測(cè)試;
發(fā)明人 陳鵬;高林霞;曹振新;許湘劍;湯湘?zhèn)?/td> 申請(qǐng)（專利權(quán)）人 中電科技揚(yáng)州寶軍電子有限公司
代理機(jī)構(gòu) 南京眾聯(lián)專利代理有限公司 代理人 東南大學(xué);揚(yáng)州步微科技有限公司;中電科技揚(yáng)州寶軍電子有限公司
地址 210096 江蘇省南京市玄武區(qū)四牌樓2號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星導(dǎo)航干擾信號(hào)識(shí)別裝置及其方法，基于CNN深度學(xué)習(xí)網(wǎng)絡(luò)在二維數(shù)據(jù)處理上的優(yōu)勢(shì)，干擾信號(hào)通過多通道重復(fù)的方式，創(chuàng)新性地將降采樣之后的一維干擾信號(hào)轉(zhuǎn)換為二維圖像形式，并以此為基礎(chǔ)構(gòu)建出用于干擾信號(hào)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)，所述深度學(xué)習(xí)網(wǎng)絡(luò)包含三個(gè)卷積層，分別包含32個(gè)33的卷積層，16個(gè)33的卷積層和16個(gè)33的卷積層，每一個(gè)卷積層之后引入歸一化層，每一個(gè)歸一化層之后引入池化層，最后加上全連接層作為輸出層，所述卷積層均選擇ReLU作為激活函數(shù)，所述全連接層采用softmax作為激活函數(shù)，在CNN分類模型完成訓(xùn)練后，有效識(shí)別出衛(wèi)星干擾信號(hào)并完成分選，更加的高效、快速。