買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜西安電子科技大學申請的專利一種通信干擾信號的智能識別方法、裝置及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114548182B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210186023.0，技術領域涉及：G06F18/2415；該發明授權一種通信干擾信號的智能識別方法、裝置及介質是由關磊;王小豪;司江勃;李贊;許睿;惠佩;王浩;楊迪丹;付杭;高文棟設計研發完成，并于2022-02-28向國家知識產權局提交的專利申請。

本一種通信干擾信號的智能識別方法、裝置及介質在說明書摘要公布了：本發明實施例公開了一種通信干擾信號的智能識別方法、裝置及介質，該方法包括：將獲取到的通信干擾信號的頻譜數據劃分訓練集和驗證集；利用能夠進行置信分數估計和識別概率計算的DCNN構建通信干擾信號的識別模型；利用訓練集對識別模型進行訓練；將訓練完畢的識別模型對驗證集進行識別，并根據識別結果中關于驗證集的數據置信分數的分布，設置用于判定未知干擾信號的判定閾值；將訓練完畢的識別模型對待識別的通信干擾信號進行識別，獲得待識別的通信干擾信號的置信分數和概率分布；相應于待識別的通信干擾信號的置信分數小于判定閾值，則確定待識別的通信干擾信號為未知干擾；否則，將待識別通信干擾信號判定為概率最高的通信干擾信號。

本發明授權一種通信干擾信號的智能識別方法、裝置及介質在權利要求書中公布了：1.一種通信干擾信號的智能識別方法，其特征在于，所述方法包括：將獲取到的通信干擾信號的頻譜數據劃分訓練集和驗證集；利用能夠進行置信分數估計和識別概率計算的深度卷積神經網絡DCNN構建通信干擾信號的識別模型；利用所述訓練集對所述識別模型進行訓練；將訓練完畢的所述識別模型對所述驗證集進行識別，并根據識別結果中關于所述驗證集的數據置信分數的分布，設置用于判定未知干擾信號的判定閾值；將訓練完畢的所述識別模型對待識別的通信干擾信號進行識別，獲得所述待識別的通信干擾信號的置信分數和概率分布；相應于所述待識別的通信干擾信號的置信分數小于所述判定閾值，則確定所述待識別的通信干擾信號為未知干擾；否則，將所述待識別通信干擾信號判定為概率最高的通信干擾信號；其中，所述利用能夠進行置信分數估計和識別概率計算的DCNN構建通信干擾信號的識別模型，包括：基于識別需求確定所述DCNN的輸入輸出層的節點、卷積層層數、卷積核數、激活函數、池化層數以及全連接層數并進行初始化；將所述DCNN劃分為提取特征部分、特征整合部分和結果處理部分；其中，所述提取特征部分包括卷積層和池化層；所述特征整合部分包括兩個全連接層；所述結果處理部分包括兩個全連接層且兩個所述全連接層分別對所述特征整合部分輸出的結果進行處理以得到待識別干擾信號在各已知干擾信號上的匹配概率和對待識別干擾信號識別的置信分數；所述利用所述訓練集對所述識別模型進行訓練，包括：對訓練數據采取批處理方式，設置每次從所述訓練集中輸入至所述識別模型的數據數量；將數據采樣方式設置為隨機采樣；基于下式定義識別概率計算的任務損失和置信分數估計的置信估計損失： 其中，表示修正后的通信干擾信號識別概率，表示經過所述識別模型中識別概率計算單元獲得的原始預測的通信干擾信號識別概率，表示目標概率分布，表示已知通信干擾信號種類個數，C為所述識別模型中置信分數估計單元輸出的置信分數；根據所述識別概率計算的任務損失和置信分數估計的置信估計損失按照下式確定所述識別模型的損失函數： 其中，引入預算超參數表示所述識別模型所允許的置信損失；引入超參數用于平衡所述任務損失和所述置信估計損失，且在所述模型中動態變化，當時增大，當時減小；在經過隨機采樣的數據集中按照設置的參數抽取數據輸入到所述DCNN中，并基于設定的SDG優化算法按照設定的迭代次數進行訓練，獲得保存訓練完畢的通信干擾信號的識別模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。