【技术实现步骤摘要】
一种基于深度残差网络的ETC干扰信号发射机的识别方法及系统
本专利技术涉及一种基于深度残差网络的ETC干扰信号发射机的识别方法及系统,涉及无线信号发射机个体识别领域。
技术介绍
ETC是电子不停车收费系统,是高速公路或桥梁自动收费。通过安装在车辆挡风玻璃上的车载电子标签与收费站ETC车道上的微波天线之间进行的专用短程通讯,利用计算机联网技术与银行进行后台结算处理,从而达到车辆通过高速公路或桥梁收费站无需停车而能交纳高速公路或桥梁费用的目的。目前,一些不法分子利用无线电干扰机干扰ETC的收费系统,达到逃避过路费的目的,造成一定的经济损失,对高速公路ETC的发展产生较大的负面影响。所以,需要一种识别ETC干扰器个体的方法用来识别干扰信息并记录干扰源发射个体的特征,进而实现留存证据、追缴纳费甚至追究法律责任的后续处理工作。在现有技术中仅有针对干扰源定位的方法,此类定位方法无法进行深度特征提取,导致网络识别的泛化能力不高,因此难以对干扰信号发射机进行有效的个体识别。
技术实现思路
专利技术目的:一个目的是提出一种基于深度残差网络的ETC干扰信号发射机的识别方法,以解决现有技术存在的上述问题。进一步目的是提出一种实现上述方法的系统。技术方案:一种基于深度残差网络的ETC干扰信号发射机的识别方法,包括以下步骤:步骤1、通过结合地感线圈定向接受ETC干扰信号,构建ETC干扰信号数据集;步骤2、将ETC干扰信号数据集按照预定比例划分成训练集、验证集和测试集;步骤3、对训练集 ...
【技术保护点】
1.一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征是包括以下步骤:/n步骤1、通过结合地感线圈定向接受ETC干扰信号,构建ETC干扰信号数据集;/n步骤2、将ETC干扰信号数据集按照预定比例划分成训练集、验证集和测试集;/n步骤3、对训练集、验证集和测试集的干扰信号进行主成分分析,获取干扰信号低维特征表示;/n步骤4、设计深度残差网络,通过训练集训练深度残差网络,并根据验证集选择最优的深度残差网络识别模型,通过测试集测试最优深度残差网络识别模型,进而识别ETC干扰信号类型。/n
【技术特征摘要】
1.一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征是包括以下步骤:
步骤1、通过结合地感线圈定向接受ETC干扰信号,构建ETC干扰信号数据集;
步骤2、将ETC干扰信号数据集按照预定比例划分成训练集、验证集和测试集;
步骤3、对训练集、验证集和测试集的干扰信号进行主成分分析,获取干扰信号低维特征表示;
步骤4、设计深度残差网络,通过训练集训练深度残差网络,并根据验证集选择最优的深度残差网络识别模型,通过测试集测试最优深度残差网络识别模型,进而识别ETC干扰信号类型。
2.根据权利要求1所述的一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征在于:
步骤2中所述训练集、验证集和测试集占每类干扰信号数据的比例分别为60%、20%和20%;
步骤3中利用主成分分析得到的干扰样本特征向量维度占初始干扰样本特征维度的30%。
3.根据权利要求1所述的一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征在于,步骤4进一步包括:
步骤4-1、在深度残差网络中引入恒等映射并进一步提取ETC干扰信号的深层抽象特征;
步骤4-2、在深度残差网络中引入批量归一化操作以及标签平滑策略;
步骤4-3、训练深度残差网络,通过反向传播算法迭代更新各层之间的连接权重;
步骤4-4、使用训练好的深度残差识别网络对测试干扰样本类型进行识别。
4.根据权利要求3所述的一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征在于,步骤4-1中所述深度残差网络包括卷积层,池化层,非线性映射层,残差块以及全连接层;通过卷积、池化和非线性映射操作,对输入的干扰信号进行加工,在连接层实现与输出目标类型之间的映射,每种特征映射都是通过一维卷积滤波器提取干扰信号一种局部特征,根据局部相关原理,池化层对卷积层得到的特征进行降采样的处理。
5.根据权利要求3所述的一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征在于,步骤4-2中所述批量归一化操作定义如下:
其中,假设神经网络的一层具有d维输入特征向量,代表输入特征向量x的均值,代表输入特征向量x的方差,代表输入特征向量x第k维的特征值,代表归一化后输入特征向量x第k维的特征值,代表经过缩放和平移后的归一化特征值,和代表可学习的平移和缩放参数,BN插入在网络的任何层中;
步骤4-2中所述标签平滑策略如下:
定义调制信号样本为,其中,是训练的标签,为0或者为1;
在每次迭代训练时,设置一个错误率,以的概率将代入训练,以的概率将代入训练;
当神经网络采用交叉熵损失函数时,对于每个样本,网络的损失函数表示为:
式中表示网络预测样本类别为1时的概率,表示预测的样本类别,其余各符号含义同上;
引入标签平滑时,网络的损失函数变为:
式中,表示引入标签平滑后的训练标签,其余各符号含义同上;
其中:
当标签为0时,并不把0直接放到训练,而是将其替换为,当标签为1,将其替换成。
6.根据权利要求3所述的一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征在于,步骤4-3中所述深度残差网络中的第k层的特征与第k-1层特征之间的关系如下:
式中,代表非线性激活函数,表示特征值,表示第k层第j个特征,表示第k-1层第i个特征值,表示连接第k层第j个特征值与第k-1层第i个特征值之间的权重值,表示连接第k层第j个特征值与第k-1层第i个特征值之间的偏置,N表示第k-1层神经元的个数。
7.根据权利要求3所述的一种基于深度残差网络的ETC干扰信号发射机的识别方法,其特征在于,步骤4-4进一步包括:
步骤4-4a、将测试的样本进行PCA处理后输入到基于深度残差识别网络,基于深度残差的识别网络对测试样本进行特征提取,将最后一层卷积层提取到的特征输入到全连接层中;
步骤4-4b、将卷积层学习到的分布式特征进一步映射到干扰...
【专利技术属性】
技术研发人员:曾德国,鲁加战,李志坚,李振宇,刘晓俊,
申请(专利权)人:南京航天工业科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。