基于多特征信息的深度学习网络调制识别方法
基本信息
| 申请号 | CN202210188206.6 | 申请日 | - |
| 公开（公告）号 | CN114254680B | 公开（公告）日 | 2022-05-17 |
| 申请公布号 | CN114254680B | 申请公布日 | 2022-05-17 |
| 分类号 | G06K9/00（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 王贵;宁刚玲 | 申请（专利权）人 | 成都大公博创信息技术有限公司 |
| 代理机构 | 成都时誉知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 610000四川省成都市高新西区百草路666号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及基于多特征信息的深度学习网络调制识别方法，属于风电机组故障诊断技术领域，从调制信号本身出发，将调制信号的瞬时幅度和瞬时相位与I/Q信号相结合，丰富了每一种调制方式的数据表示形式，可实现不同类型数据特征之间的互补。还设计了一个基于深度可分离卷积块和LSTM的高效网络结构，并引入了注意力机制，有利于挖掘调制信号内部潜在的时空特征。通过在标准数据集上的实验，表明了本文所提算法的优越性，说明了对于调制识别任务，特别是在受到各种干扰条件下，多类型数据源可以给模型提供多种观察视图，降低调制识别的难度。而结合网络特性，设计一种较好的模型结构对于调制识别也是至关重要的。 |
