摘要
本发明公开了一种基于机器学习的无线电信号识别方法及系统,包括:获取无线电频谱的监测信号;计算信号到达的时间差和信号的到达角度,输入至神经网络模型,输出监测信号的干扰识别和定位结果;将监测信号分割成单一干扰源的信号片段,并重建无线电频谱,再次输入至神经网络模型,输出关于信号类型的预测结果。结合信号到达的时间差、信号的到达角度、干扰信号识别以及干扰源的精确定位,能够更有效地滤除干扰,重建无线电频谱,并使用标记的频谱数据训练机器学习模型,以识别和分类不同的无线电信号,从而在提高无线电信号识别准确性的同时,也增强了系统对复杂环境的适应能力。
技术关键词
时间差
卷积神经网络模型
无线电信号识别
干扰信号识别
训练机器学习模型
信号识别系统
多站点
滤波器
天线阵列
塔康系统
接收器
信号处理模块
识别方法
多通道
标记
系统为您推荐了相关专利信息
恒流充电
估计方法
锂电池
迁移学习算法
电池储能系统
检测仪
AR实景导航
变压器
16位AD转换器
警报系统
智能可穿戴设备
速度检测模块
生理
指标
智能给药技术
无标签样本
监督图像识别方法
感知损失函数
无监督
训练机器学习模型
深度卷积神经网络模型
定位方法
显示屏
图像
聚类分析方法