摘要
本发明提出一种面向手持设备的信号波形智能分析方法,属于深度学习技术领域,本发明为解决现有便携式测量设备功能受限,缺乏智能识别能力,仅支持基本频谱测量的问题,包括以下步骤:步骤1:使用手持式设备接收IQ数据流;步骤2:对接收的IQ数据流进行预处理;步骤3:采用预处理后的IQ数据流对深度学习模型进行训练;步骤4:基于训练后的深度学习模型获取信号波形监测识别结果。本发明利用深度学习强大的特征学习能力,实现稳健可靠的信号识别功能。采用深度学习+时频分析,突破传统傅里叶变换的局限性。可实时检测通信调制信号、跳频信号、雷达信号,提高信号识别精度,识别精度>95%。
技术关键词
智能分析方法
深度学习模型
手持设备
波形
手持式设备
信号识别功能
通信调制信号
深度学习架构
长短期记忆网络
深度学习技术
时序特征
网络结构
采样点
跳频
精度
参数
雷达
受限
系统为您推荐了相关专利信息
在线监测数据分析
异常数据
传感
发电机转子温度
高湿度
灰狼优化算法
灰狼算法
深度学习模型
空气质量指数
策略
套餐推荐方法
区块链交易网络
关系
标识
生成智能合约
霍尔传感器模块
深度学习模型
量检测方法
输送槽
图像