申请/专利权人：中山大学

申请日：2022-05-09

公开（公告）日：2022-08-12

公开（公告）号：CN114900399A

主分类号：H04L25/02

分类号：H04L25/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明公开一种基于深度学习相位差相关信号检测方法和系统，本发明针对单发多收的阵列信号检测场景，利用基于相位差矢量相关系数的信号检测法来构造待测信号的时频信息图，然后将已知信号的时频图作为深度学习网络的训练样本，通过神经网络的学习来提取新的检测特征参量，以提高检测器在更低信噪比下的检测性能。与现有的基于相位差矢量相关系数PDCD的检测算法相比，本文所提方案可以有效提高信号检测器在更低信噪比条件下的检测性能，一定程度上解决了PDCD检测器对来波信号频率敏感的问题，且能够通过增加训练集的样本类型来增加该检测器的适用范围。

主权项：1.一种基于深度学习相位差相关信号检测方法，其特征在于，包括以下步骤：S1：对随机生成的已知信号进行快速傅里叶变换，并进行时频段划分；S2：对不同的时频段的已知信号，利用基于相位差矢量相关系数检测算法检测该时频段中是否存在信号，并构造信号的时频检测信息图；S3：将所述时频检测信息图划分为训练集和验证集；S4：利用步骤S3得到的训练集训练一个深度网络，并使用步骤S3得到的验证集对深度网络进行评价，得到训练好的深度网络，所述深度网络用于对输入数据进行信号检测判别；S5：对待测信号进行快速傅里叶变换之后，同样进行时频段划分，利用基于相位差矢量相关系数检测算法构造待测信号的时频检测信息图，将其放入步骤S4得到的训练好的深度网络，得到最终的信号检测判别结果。

全文数据：

权利要求：

百度查询： 中山大学 一种基于深度学习相位差相关信号检测方法和系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD