【技术实现步骤摘要】
本专利技术涉及无线通信信号识别检测，尤其涉及到一种基于人工智能的全频段短波信号检测识别方法及应用。
技术介绍
1、随着无线通信技术的不断发展，信号识别在通信频谱管理、干扰检测和安全领域中至关重要。传统的信号识别模型通常依赖于相关检测、基于概率及特征工程的识别方法用于短波复信号的检测识别，其中相关检测、特征构造需要专业领域知识的支持，传统信号识别模型通常仅支持特定的传输波形，且存在识别率低的缺陷。
2、随着深度学习技术的发展，特别是卷积神经网络(cnn)和transformer架构的兴起，信号处理领域也迎来了新的机遇。这些深度学习技术具有出色的特征学习和模式识别能力，可以自动化地从数据中提取特征并进行分类。在自然语言处理和计算机视觉领域，transformer架构已经取得了巨大的成功，但传统基于实数运算的transformer结构难以刻画复数信号的内在联系，因此在信号处理中的应用性能还相对有限。
3、因此，提出一种能够解决传统的信号识别相关检测、特征构造模型识别率低及目前深度学习方案难以刻画复信号中的依赖关系和上下...
【技术保护点】
1.一种全频段短波信号检测识别方法，其特征在于，包括：
2.根据权利要求1所述的全频段短波信号检测识别方法，其特征在于，所述将重叠切分后的所述能量图像输入短波信号检测模型进行信号检测，标记短波信号出现时段、频率及带宽范围，包括：
3.根据权利要求1所述的全频段短波信号检测识别方法，其特征在于，所述基于所述能量图像按频率进行重叠切分之后，还包括：
4.根据权利要求3所述的全频段短波信号检测识别方法，其特征在于，所述根据所述短波信号出现时段、频率及带宽范围对原始采集数据利用信号抽取方法抽取出单个短波窄带复数信号，包括：
5....
【技术特征摘要】
1.一种全频段短波信号检测识别方法，其特征在于，包括：
2.根据权利要求1所述的全频段短波信号检测识别方法，其特征在于，所述将重叠切分后的所述能量图像输入短波信号检测模型进行信号检测，标记短波信号出现时段、频率及带宽范围，包括：
3.根据权利要求1所述的全频段短波信号检测识别方法，其特征在于，所述基于所述能量图像按频率进行重叠切分之后，还包括：
4.根据权利要求3所述的全频段短波信号检测识别方法，其特征在于，所述根据所述短波信号出现时段、频率及带宽范围对原始采集数据利用信号抽取方法抽取出单个短波窄带复数信号，包括：
5.根据权利要求1所述的全频段短波信号检测识别方法，其特征在于，所述将抽取后的各短波窄带复数信号输入基于transformer的复数短波信号识别模型进行短波信号识别，得到信号调制类型与协议类型...
【专利技术属性】
技术研发人员：羿舒文，王书诚，雷霓，方书雅，王浩，郑洁，陈祖刚，黄亮，刘剑，叶荣军，沈欢，李欢，
申请(专利权)人：武汉船舶通信研究所中国船舶集团有限公司第七二二研究所，
类型：发明
国别省市：
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。