【技术实现步骤摘要】
本文件涉及电磁频谱监测，尤其涉及一种应用于时域卷积网络模型的训练方法、装置及存储介质。
技术介绍
1、电磁频谱是无线通信的基础，应用于军事和民事领域中，准确的分析电磁频谱数据中的异常数据能够及时发现非法无线电活动，保障通信安全。
2、现有技术主要依赖工作人员的专业知识和经验判断电磁频谱是否异常，或是基于深度学习中的有监督学习算法或无监督学习进行异常数据的检测。
3、然而，若是利用人工进行检测，由于这种检测方式要求工作人员具有很高的专业水平和丰富的经验，且检测结果容易受到主管因素的影响，人工监测费时费力，影响工作效率；若是利用有监督学习进行检测，这种方式需要花费大量的人力物力对异常数据进行标记，才能训练出能自动分析异常数据的模型，浪费时间；若是利用无监督学习进行异常检测，这种方式没有对编码后的隐含空间的分布进行约束，导致不能提取到更为有效的特征，使得异常数据检测不够准确，影响工作效率。
技术实现思路
1、鉴于上述方案，本申请旨在提出一种应用于时域卷积网络模型的训练方法...
【技术保护点】
1.一种应用于时域卷积网络模型的训练方法，所述时域卷积网络模型包括：编码器，其特征在于所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述时域卷积网络模型还包括分类器，并且所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述损失函数用下述公式计算：
5.根据权利要求1所述的方法，所述异常监测鉴别算法为One Class SVM算法，其特征在于，所述基于异常检测鉴别算法，根据高维特征，优化所述编码器包括：
6.根据权利要求5所述的...
【技术特征摘要】
1.一种应用于时域卷积网络模型的训练方法，所述时域卷积网络模型包括：编码器，其特征在于所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述时域卷积网络模型还包括分类器，并且所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述损失函数用下述公式计算：
5.根据权利要求1所述的方法，所述异常监测鉴别算法为one class svm算法，其特征在于，所述基于异常检测鉴别算法，根据高维特征，优化所述编码器包括：
6.根据权利要求5所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：林志强，杨雷，张保军，李猛，李宾，托雅，虞明宝，赵坤，张润鑫，
申请(专利权)人：中国人民解放军九六九一一部队，
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。