摘要
本发明涉及基于自动深度学习的通信电台个体识别方法、装置和设备,通过开发了一套利用自动深度学习框架AutoKeras解决电台个体识别问题的方法,通过其自动化的实现方式显著减少人工参与成本,简化学习与识别的工作流程,有效的大幅提升了通信电台个体识别的性能。经过实验验证,相较于传统神经网络能够获得更适合通信电台个体识别的神经架构,从而可以有效提取更具代表性的射频特征,最终实现了更高的通信电台个体识别准确率,还能够为实际应用中的通信电台识别带来更大的操作便利性和效率优势。
技术关键词
通信电台
神经架构搜索
识别方法
样本
生成数据集
模型超参数
正则化参数
管道结构
识别装置
网络
深度学习框架
射频特征
算法
数据获取模块
搭建模块
系统为您推荐了相关专利信息
轻质建筑材料
表面缺陷检测方法
表面图像数据
二维离散余弦变换
模型超参数
非易失性存储介质
样本
主机
数据
风险评估模型训练
激光雷达图像
分类网络
像素
融合多模态特征
高光谱激光雷达
眼动数据
轨迹生成方法
模拟设备
眼动控制方法
粒子群优化算法
信用卡
随机森林模型
支持向量机
K近邻
训练样本集