一种重点信号检测系统及方法技术方案

本发明专利技术涉及卫星通信系统技术领域，公开了一种重点信号检测系统及方法，该系统包括卫星信号采集模块；卫星信号特征分析模块；重点信号检测模块；其中，卫星信号采集模块获取历史卫星信号和待检测卫星信号；卫星信号特征分析模块提取卫星信号特征矩阵；重点信号检测模块利用待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，利用历史卫星信号的卫星信号特征矩阵进行决策分类树训练，以检测卫星信号是否具有重点信号的出现或者消失。本发明专利技术通过卫星信号特征矩阵进行深度强化学习模型训练和决策分类树训练，对重点信号的出现或者消失进行了识别，解决了目前的重点信号检测对硬件和算法要求较高、误差较大、推理速度慢等技术问题。等技术问题。等技术问题。

【技术实现步骤摘要】
一种重点信号检测系统及方法


[0001]本专利技术涉及卫星通信
，尤其是一种重点信号检测系统及方法。

技术介绍

[0002]卫星通信在现代通信领域中扮演着至关重要的角色，它可以实现全球覆盖、高速传输和可靠性强的通信服务。
[0003]对于信号的检测与识别，现有技术包括基于混沌理论的重点信号检测系统、基于数字信号处理的重点信号检测系统和基于机器学习的重点信号检测系统。但上述技术存在一定缺陷，如基于数字信号处理的重点信号检测系统对硬件和算法要求较高，需要大量计算和存储资源，并且可能存在误判和漏判的问题。基于混沌理论的重点信号检测系统对初始条件敏感，可能存在识别误差较大的问题。目前，有使用深度强化学习对信号进行检测的系统。该专利技术使用了深度强化学习方法对信号时频图进行分类从而识别目标信号，但使用图像作为数据会使模型推理速度过慢，从而不能及时的对目标信号发现。
[0004]因此，如何降低重点信号检测的资源需求，减少检测误差，提高检测速度，是一个亟需解决的技术问题。

技术实现思路

[0005]本专利技术的主要目的在于提供一种重点信号检测系统及方法，旨在解决目前的重点信号检测对硬件和算法要求较高、误差较大、推理速度慢等技术问题。
[0006]为实现上述目的，本专利技术提供一种重点信号检测系统，所述重点信号检测系统，具有：
[0007]卫星信号采集模块；
[0008]卫星信号特征分析模块；
[0009]重点信号检测模块；
[0010]其中，所述卫星信号采集模块获取卫星信号，所述卫星信号包括历史卫星信号和待检测卫星信号；
[0011]其中，所述卫星信号特征分析模块提取历史卫星信号和待检测卫星信号的卫星信号特征矩阵；
[0012]其中，所述重点信号检测模块利用待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，并利用历史卫星信号的卫星信号特征矩阵进行决策分类树训练，以检测卫星信号是否具有重点信号的出现或者消失。
[0013]可选的，所述卫星信号特征分析模块，具有：
[0014]提取单元；
[0015]编码单元；
[0016]其中，所述提取单元提取历史卫星信号和待检测卫星信号的卫星信号特征；
[0017]其中，所述编码单元对提取的卫星信号特征中的非浮点特征进行编码。
[0018]可选的，所述卫星信号特征分析模块，还具有：
[0019]卫星信号特征组构建模块；
[0020]卫星信号特征矩阵构建模块；
[0021]其中，所述卫星信号特征组构建模块根据提取的卫星信号特征，构建每个时间特征对应的卫星信号特征组；
[0022]其中，所述卫星信号特征矩阵构建模块根据构建的卫星信号特征组，构建包括每个卫星信号特征组的卫星信号特征矩阵，卫星信号特征矩阵中的卫星信号特征组按其对应的时间特征排序。
[0023]可选的，所述重点信号检测模块，具有：
[0024]深度强化学习单元；
[0025]所述深度强化学习单元根据获取的待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，将卫星信号特征矩阵中的每一个卫星信号特征组作为状态输入，获得卫星信号特征矩阵的动作执行向量组；
[0026]其中，所述动作执行向量组包括对应于每一个卫星信号特征组的动作执行向量，所述动作执行向量包括动作action1和非动作action2。
[0027]可选的，所述深度强化学习模型训练的损失函数，具体为：
[0028][0029]其中，和为训练过程中的网络参数，为折扣因子，为观测奖励函数，表示当前状态和当前动作，为下一状态，为最优动作，Q为Q函数。
[0030]可选的，历史卫星信号的卫星信号特征矩阵具有标注字段，所述标注字段表征当前历史卫星信号的卫星信号特征矩阵是否具有重点信号出现消失交替的动作。
[0031]可选的，所述重点信号检测模块，还具有：
[0032]决策分类树单元；
[0033]所述决策分类树单元利用历史卫星信号的卫星信号特征矩阵进行决策分类树训练，并利用训练完成的决策分类树判断待检测卫星信号的卫星信号特征矩阵是否具有重点信号出现消失交替的动作。
[0034]可选的，所述重点信号检测模块，还具有：
[0035]重点信号出现和消失判断单元；
[0036]所述重点信号出现和消失判断单元在待检测卫星信号的卫星信号特征矩阵具有重点信号出现消失交替的动作时：判断卫星信号特征组的动作执行向量中是否具有动作action1，当具有动作action1时，重点信号在第一个动作action1时出现，在最后一个动作action1时消失；
[0037]所述重点信号出现和消失判断单元在待检测卫星信号的卫星信号特征矩阵不具有重点信号出现消失交替的动作时：判断第一个动作action1的前一个动作是否为动作action2，若是，重点信号出现；若否，且卫星信号特征组的动作执行向量中具有动作action2，重点信号消失。
[0038]可选的，所述重点信号检测系统，还具有：
[0039]人工校验模块；
[0040]所述人工校验模块根据重点信号检测模块的检测结果生成矫正数据，利用矫正数据在重点信号检测模块中执行决策分类树训练。
[0041]此外，为了实现上述目的，本专利技术还提供了一种重点信号检测方法，所述方法包括如下步骤：
[0042]获取卫星信号，卫星信号包括历史卫星信号和待检测卫星信号；
[0043]提取历史卫星信号和待检测卫星信号的卫星信号特征矩阵；
[0044]利用待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，并利用历史卫星信号的卫星信号特征矩阵进行决策分类树训练，以检测卫星信号是否具有重点信号的出现或者消失。
[0045]本专利技术实施例提出的一种重点信号检测系统及方法，该系统包括卫星信号采集模块；卫星信号特征分析模块；重点信号检测模块；其中，卫星信号采集模块获取卫星信号，所述卫星信号包括历史卫星信号和待检测卫星信号；卫星信号特征分析模块提取历史卫星信号和待检测卫星信号的卫星信号特征矩阵；重点信号检测模块利用待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，并利用历史卫星信号的卫星信号特征矩阵进行决策分类树训练，以检测卫星信号是否具有重点信号的出现或者消失。本专利技术通过提取的待检测卫星信号和历史卫星信号的卫星信号特征矩阵进行深度强化学习模型训练和决策分类树训练，对重点信号的出现或者消失进行了识别，解决了目前的重点信号检测对硬件和算法要求较高、误差较大、推理速度慢等技术问题。
附图说明
[0046]图1为本专利技术所提供的一种重点信号检测系统第一实施例的示意图；
[0047]图2为本专利技术所提供的一种重点信号检测系统第二实施例的示意图；
[0048]图3为本专利技术所提供的一种重点信号检测方法第一实施例的流程示意图；
[0049]图4为本专利技术所提供的一种重点信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种重点信号检测系统，其特征在于，所述重点信号检测系统，具有：卫星信号采集模块；卫星信号特征分析模块；重点信号检测模块；其中，所述卫星信号采集模块获取卫星信号，所述卫星信号包括历史卫星信号和待检测卫星信号；其中，所述卫星信号特征分析模块提取历史卫星信号和待检测卫星信号的卫星信号特征矩阵；其中，所述重点信号检测模块利用待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，并利用历史卫星信号的卫星信号特征矩阵进行决策分类树训练，以检测卫星信号是否具有重点信号的出现或者消失。2.根据权利要求1所述的重点信号检测系统，其特征在于，所述卫星信号特征分析模块，具有：提取单元；编码单元；其中，所述提取单元提取历史卫星信号和待检测卫星信号的卫星信号特征；其中，所述编码单元对提取的卫星信号特征中的非浮点特征进行编码。3.根据权利要求2所述的重点信号检测系统，其特征在于，所述卫星信号特征分析模块，还具有：卫星信号特征组构建模块；卫星信号特征矩阵构建模块；其中，所述卫星信号特征组构建模块根据提取的卫星信号特征，构建每个时间特征对应的卫星信号特征组；其中，所述卫星信号特征矩阵构建模块根据构建的卫星信号特征组，构建包括每个卫星信号特征组的卫星信号特征矩阵，所述卫星信号特征矩阵中的卫星信号特征组按其对应的时间特征排序。4.根据权利要求3所述的重点信号检测系统，其特征在于，所述重点信号检测模块，具有：深度强化学习单元；所述深度强化学习单元根据获取的待检测卫星信号的卫星信号特征矩阵进行深度强化学习模型训练，将卫星信号特征矩阵中的每一个卫星信号特征组作为状态输入，获得卫星信号特征矩阵的动作执行向量组；其中，所述动作执行向量组包括对应于每一个卫星信号特征组的动作执行向量，所述动作执行向量包括动作action1和非动作action2。5.根据权利要求4所述的重点信号检测系统，其特征在于，所述深度强化学习模型训练的损失函数，具体为：，其中，和为训练过程中的网络参数，为折扣因子，为观测奖励函数，表示当前状态和当<...

【专利技术属性】
技术研发人员：常兴，
申请(专利权)人：武汉能钠智能装备技术股份有限公司，
类型：发明
国别省市：