申请/专利权人:西安电子科技大学
申请日:2021-02-04
公开(公告)日:2021-06-08
公开(公告)号:CN112924749A
主分类号:G01R23/16(20060101)
分类号:G01R23/16(20060101);G06N3/08(20060101);G06N3/04(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.12.21#授权;2021.06.25#实质审查的生效;2021.06.08#公开
摘要:本发明公开了一种无监督对抗学习电磁频谱异常信号检测方法,该方法为:对获取的功率谱数据进行预处理,获得功率谱密度估计;通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型;通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld;根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult,并且通过异常结果Aresult确定电磁频谱数据是否存在异常。本发明结合功率谱数据的局部特性,使用卷积神经网络代替传统方式的全连接网络,减小了网络的规模;采用对抗自编码器,将对抗思想引入电磁频谱异常信号检测,能够学习到更加有效的特征,相比传统普通的编解码器模型有更好的检测能力。
主权项:1.一种无监督对抗学习电磁频谱异常信号检测方法,其特征在于,该方法为:对获取的功率谱数据进行预处理,获得功率谱密度估计;通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型;通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld;根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult,并且通过异常结果Aresult确定电磁频谱数据是否存在异常。
全文数据:
权利要求:
百度查询: 西安电子科技大学 无监督对抗学习电磁频谱异常信号检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。