一种基于FWA-CNN的工程机械干扰信号识别及分析方法及系统技术方案

本发明专利技术公开了一种基于FWA‑CNN的工程机械干扰信号识别及分析方法及系统，属于工程机械产品通信技术领域。其包括信号预处理并利用短时傅里叶变换(STFT)将待测通信信号转化为时频图像，作为网络输入；利用K折交叉验证方法构建网络训练集；构建CNN信号识别模型；利用烟花算法(FWA)对模型进行优化；根据训练好的CNN模型对预处理的未知干扰信号进行识别；构建干扰信号率，作为信号质量评价的指标；本发明专利技术适用于工程机械，能够正确识别目标很大程度上依赖于特征提取器的设计是否恰当，而特征提取器的设计需要一定程度的专业知识和经验值，卷积神经网络则可以自动提取识别目标的特征，简化目标识别模型，避免传统算法中特征选择和提取的步骤。

【技术实现步骤摘要】

本专利技术涉及一种基于fwa-cnn的工程机械干扰信号识别及分析方法及系统，属于工程机械产品通信。

技术介绍

1、工程机械产品种类多、工况复杂，涉及的通信信号也多种多样。在信号采集中，各种设备、环境或其他信号源在周围产生的干扰信号会导致信号损失和数据传输速度降低。通信干扰信号是指在通信过程中混杂在通信信号中，影响通信信号的传输、接收和解码等过程的信号。通信干扰信号会导致通信信号失真，影响通信质量；降低通信速度，增加通信延迟；会导致接收端误码率增加，影响通信可靠性；会降低通信距离，影响通信覆盖范围。因此，对于通信干扰信号的识别具有重要意义。基于深度学习的信号识别方法是一种较为有效的通信干扰信号识别方法。该方法采取自动学习的方式，绕过了传统方法中复杂的特征提取和分类器的设计，可以更直接地从原始数据中提取特征和分类信息。

2、传统的信号识别方法主要分为基于决策和基于统计的两种类型。基于决策的信号识别主要使用基于假设检验的最大似然函数来实现分类和识别。基于统计的识别方法是从模式识别理论演化而来的，大多数使用先验知识来对提取信号的统计特征进行分类和识别。本文档来自技高网...

【技术保护点】

1.一种基于FWA-CNN的工程机械干扰信号识别及分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于FWA-CNN的工程机械干扰信号识别及分析方法，其特征在于，所述CNN信号识别模型的训练方法包括：

3.根据权利要求2所述的基于FWA-CNN的工程机械干扰信号识别及分析方法，其特征在于，所述网络训练集采用K折交叉验证方法将数据集分为学习集、交叉验证集和测试集，其中在K折交叉验证方法中，学习集与测试集按预设K值进行划分。

4.根据权利要求2所述的基于FWA-CNN的工程机械干扰信号识别及分析方法，其特征在于，所述采用烟花算法对初始训练CN...

【技术特征摘要】

1.一种基于fwa-cnn的工程机械干扰信号识别及分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于fwa-cnn的工程机械干扰信号识别及分析方法，其特征在于，所述cnn信号识别模型的训练方法包括：

3.根据权利要求2所述的基于fwa-cnn的工程机械干扰信号识别及分析方法，其特征在于，所述网络训练集采用k折交叉验证方法将数据集分为学习集、交叉验证集和测试集，其中在k折交叉验证方法中，学习集与测试集按预设k值进行划分。

4.根据权利要求2所述的基于fwa-cnn的工程机械干扰信号识别及分析方法，其特征在于，所述采用烟花算法对初始训练cnn信号识别模型进行优化包括采用烟花算法代替cnn模型中的梯度下降法，将cnn信号识别模型的交叉熵损失函数作为烟花算法的适度函数，具体包括：

5.根据权利要求4所述的基于fwa-cnn的工程机械干扰信号识别及分析方法，其特征在于，所述采用烟花算法对初始训练cnn信号识别模型还包括：

6.根据权利要求5所述的基于fwa-cnn的工程机械干扰信号识别及分析方法，其特征在于，所述选择策略...

【专利技术属性】
技术研发人员：高薇薇，王斌，冯雨晴，
申请(专利权)人：江苏徐工国重实验室科技有限公司，
类型：发明
国别省市：