一种基于时空特征提取深度学习的调制模式识别方法

发明专利有效专利

申请号：
CN202110207526.7
IPC分类号：H04L27/00;G06K9/00;G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-02-25
申请人：
电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于时空特征提取深度学习的调制模式识别方法
申请号	CN202110207526.7	申请日期	2021-02-25
法律状态	授权	申报国家	中国
公开/公告日	2021-06-04	公开/公告号	CN112910812A
优先权	暂无	优先权号	暂无
主分类号	H04L27/00 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04L 数字信息的传输，例如电报通信（电报和电话通信的公用设备入H04M）〔4〕 H04L27/00 调制载波系统	IPC分类号	H;0;4;L;2;7;/;0;0;;;G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	电子科技大学	申请人地址	四川省成都市高新区（西区）西源大道2006号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	骆春波;张富鑫;罗杨;李智;徐加朗;许燕;方泊航
代理机构	成都正华专利代理事务所（普通合伙）	代理人	李蕊

摘要

本发明公开了一种基于时空特征提取深度学习的调制模式识别方法。该方法包括收集待识别调制模式的信号；构建包括参数估计模块、参数变化模块和时空特征提取模块的自动调制识别深度学习模型，并对其进行训练；采用训练好的自动调制识别深度学习模型对收集的信号进行调制模式识别。本发明为了解决现有技术中的调制识别模型复杂度较高，难以在低模型复杂度的情况下实现高识别准确率的问题，提出了一种基于参数估计和变换的时空特征提取自动调制模式识别深度学习模型，利用该模型进行调制模式识别的参数量要少于现有的基于深度学习的自动调制识别方法，在训练开销方面要低于其他具有同等识别准确率水平的方法。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供