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：厦门大学

摘要：本发明给出了一种基于时频谱和迁移学习的水声JANUS信号识别方法与系统，包括接收到通过水声信道进行传输后的水声信号，基于JANUS信号的前导信号的特征在水声信号中判断可能包含JANUS信号的前导信号的时间段，并对这些时间段的信号进行截取；对截取到的信号作分数低阶傅里叶同步压缩变换，将变换得到的时频图像数据构成时频图像集；构建迁移学习网络，将互联网上通用的数据集输入迁移学习网络，基于数据集对迁移学习网络进行预训练获得训练模型，再将时频图像集输入训练模型进行识别，从而识别出JANUS信号。本发明能够更好地抑制脉冲噪声，在低信噪比的水声环境中能够抑制脉冲噪声并减小多径效应带来的影响，提高了识别率。

主权项：1.一种基于时频谱和迁移学习的水声JANUS信号识别方法，其特征在于，包括以下步骤：S1：接收到通过水声信道进行传输后的水声信号，基于JANUS信号的前导信号的特征在所述水声信号中判断可能包含JANUS信号的前导信号的时间段，具体包括：分析JANUS信号的前导信号的特征，从而由跳频索引序列确定所述前导信号的具体子带同时由固定的伪随机比特序列确定所述前导信号的固定跳频频点，再根据所述具体子带以及所述固定跳频频点确定可能包含所述前导信号的时间段；其中，所述特征包括：频带带宽、中心频率、跳频索引序列位数和伪随机比特序列；并对这些时间段的信号进行截取；S2：对截取到的信号作分数低阶傅里叶同步压缩变换，将变换得到的时频图像数据构成时频图像集，具体包括：对截取到的信号采取分数低阶算子p作为所述截取到的信号的阶数从而对其进行分数低阶傅里叶变换，获得分数低阶傅立叶变换信号；再结合同步压缩变换在频率方向对所述分数低阶傅立叶变换信号的时频谱系数重排到瞬时频率位置，得到分数低阶时频谱；将所述分数低阶时频谱构成时频图像集；S3：构建迁移学习网络，所述迁移学习网络包括：ResNet18，所述ResNet18具体包括：全连接层，所述全连接层中添加Dropout层和LogSoftmax；对输入所述ResNet18的数据集进行线性变换后，再通过ReLU激活函数后将得到的数据输入所述Dropout层，最后由所述LogSoftmax输出结果；其中，网络训练中的损失函数采用负对数似然损失函数；将互联网上通用的数据集输入所述迁移学习网络，基于所述数据集对所述迁移学习网络进行预训练获得训练模型，再将所述时频图像集输入所述训练模型进行识别，从而识别出JANUS信号。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于时频谱和迁移学习的水声JANUS信号识别方法与系统