龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京航天工业科技有限公司
摘要：本发明公开了一种基于深度学习和时频变换的复杂电磁环境信号分选方法和系统，该方法包括采集多模态信号，对多模态信号进行自适应分数阶傅里叶变换，得到时频域表示，依序采用多尺度排列熵和张量分解技术，生成融合特征张量和因子矩阵；基于融合特征张量，采用稀疏表示方法，得到融合特征；基于融合特征和因子矩阵，采用张量积操作进行重建，得到增强特征张量；采用递归最小二乘算法进行在线特征更新，基于更新后的特征，采用互信息准则进行特征选择，得到最终特征集；基于最终特征集，调用预配置的动态图卷积网络模型，得到分类结果和对应的置信度。本发明不仅实现了多模态的数据融合，还提高了信号分类的准确性，实现了高精度的信号分类。
主权项：1.基于深度学习和时频变换的复杂电磁环境信号分选方法，其特征在于，包括如下步骤：S1、采集多模态信号，对多模态信号进行自适应分数阶傅里叶变换，得到时频域表示；基于时频域表示，依序采用多尺度排列熵和张量分解技术，生成融合特征张量和因子矩阵；其中多模态信号包括雷达信号、通信信号和电子对抗信号；S2、基于融合特征张量，采用稀疏表示方法，得到重构特征，将重构特征合并得到融合特征；基于融合特征和因子矩阵，采用张量积操作进行重建，得到增强特征张量；S3、基于增强特征张量，采用递归最小二乘算法进行在线特征更新，得到更新后的特征；基于更新后的特征，采用互信息准则进行特征选择，得到最终特征集；S4、基于最终特征集，调用预配置的动态图卷积网络模型，得到分类结果和对应的置信度。
全文数据：
权利要求：
百度查询： 南京航天工业科技有限公司 基于深度学习和时频变换的复杂电磁环境信号分选方法和系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号