CN114114363B 基于时频和卷积神经网络的机会信号感知方法、系统及机会信号定位方法 （北京邮电大学）

US2019082288A1,2019.03.14基于时频和卷积神经网络的机会信号感知本发明提供一种基于时频和卷积神经网络的机会信号感知方法、系统及机会信号定位方型对第一时频图像设置标签，建立为训练数据2调用预先保存处于目标频带的多个样本信号，将样本信将所述目标频带划分为多个子频带，基于所述样本信号所处的子频带接收机会信号，根据所述子频带长度确定接收窗口的接收频带长将所述第二时频图像输入到对应的所述感知模型中，得出所述机会信号的信号类型，所述正学习训练所使用训练数据集中的标签为类别标签，所述类别标签所述负学习训练所使用训练数据集中的标签为负标签，所述负标签根据如权利要求1-6任一项所述的方法激活所述机会信号所对应类别的接收器，将所在所述接收器提取所述机会信号的信号参数，基于所述信号参38.一种基于时频和卷积神经网络的机会信号感指令，当所述计算机指令被处理器执行时该系统实现如权利要求1-6中任一项所述方法的4[0002]传统导航系统多利用全球导航卫星系统(Globalnavigationsatellite[0004]机会信号导航需要对各种无线信号进行识别，因为不知道环境中有哪些信号可用，所有类型的接收机都需要持续工作如图3所示，即使周围环境中不存在某些类型的信[0005]鉴于此，本发明实施例提供了一种基于时频和卷积神经网络的机会信号感知方[0007]调用预先保存处于目标频带的多个样本信号，将样本信5[0019]在本发明的一些实施方式中，将所述机会信号表示为第二时频图像的步骤还包6激活对应的接收器，不需要所有类型的接收机保持工作即可保证对各类信号的连续感知，于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获[0037]图1为本发明基于时频和卷积神经网络的机会信号感知方法一种实施方式的示意示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大7[0053]如图1所示，本发明的一个方面提供了一种基于时频和卷积神经网络的机会信号[0055]在本发明的一些实施方式中，所述样本信号为预先从各[0057]在本发明的一些实施方式中，所述时频联合表征方法可以为戈伯(Gabor)变换法[0060]采用上述方案，无线信号一般用时间作自体变换,只适用于平稳信号(短期平稳信号)以及确定性信号，不能反应信号频率特征随时[0064]本发明通过时频图像对卷积神经网络模型进行训练，能够表示出信号的所有特[0065]如图6所示，在本发明的一些实施方式中，所述目标频带为本发明监测的频率范8之间的频带、频率f2和频率f3之间的频带和频率f3和频率f4之间的频带，f4＞f3＞f2＞一数据组，将处于频率f2和频率f3之间的样本信号对应的第一时频图像划分至第二数据[0070]所述样本信号和机会信号均为无线信号，所述无线信号包括但不限于wifi信号、9[0089]本申请可以依据所用USRP设备的采样率同时监控上百MHz带宽内的信号，结合本[0091]在本发明的一些实施方式中，将所述机会信号表示为第二时频图像的步骤还包[0092]在本发明的一些实施方式中，所述卷积神经网络模型的卷积层包括第一卷积层、[0095]图像分类是通过对图像整体的分析,把图像中别中的一种，以代替人工视觉判读的技术，本发明使用了卷积神经网络(Convolutional可以通过线性整流函数(RectifiedLinearUnit[0105]由于各类型的信号在时频图中是否出现是相互独立的，这是一个多标签分类问后的初始卷积神经网络，NL_PLnetwork为第一次正学习训练后的初始卷积神经网络，始学习率(learningrate)、小批量大小(batchsize)和训练迭代次数(traininglearningratebatchsizetrainingiterationnumberNegativelearning10.000002Positivelearning0.0003Negativelearning20.00001[0122]我们基于USRP平台进行了基于时频和卷积神经网络的机会信号感知方法的硬件从70MHz–6GHz。AD9361的板载信号处理和控制由一个Spartan6XC6SLX150FPGA执行，该确认实验环境中不存在外部干扰源的情况下，我们将信号源设备布置场地中在不同区域，布置时主要考察不同数量的信号源及组合对号，检验设备对每种类型信号的感知能力。图10(a)中的testroute表示测试者的测试路型激活对应的接收器，不需要所有类型的接收机保持工作即可保证对各类信号的连续感[0132]如图5所示，本发明的另一个方面提供了一种基于时频和卷积神经网络的机会信[0134]所述时频图像转换模块与信号获取模块相连接用于将接入的机会信号表示为第[0135]所述信号分类模块与时频图像转换模块相连接用于将第二时频图像输入预先训据信号获取模块正在监测的子频带赋予所述信号分类模[0139]在本发明的一些实施方式中，本申请的信号获取模块可通过USRP(Universal二维的时频图像,从而获得信号的时频联合特征。每个像素的表示在某个频率和某个时间点上的无线信号的能量。整幅图像显示了在短时间内整个频域上的的无线信号能量分布。具体实现是由USRP(UniversalSoftwareRadioPeripheral，通用软件无线电外设)将获[0146]所述定位解算用于根据强度数据和/或时序数据对接收机位置进行定位，所述定[0149]全球导航卫星系统(Globalnavigationsatellitesystem,GNSS)是目前应用最为广泛的定位手段,其利用卫星播发定位信号，能够为用户提供全球范围内的定位导航服知，Featureextraction为信息提取，positioningengine为定位解算，positioning[0156]现有的能量检测信号感知方法的判决门限容易受到噪声功率变化的影响而失[0158]本申请的基于时频和卷积神经网络的机会信号感知方法即为应用于信号感知的据和/或时序数据对接收机位置进行定位，所述定位的方法可以为基于信号的强度数据，器中存储的计算机指令，当所述计算机指令被处理器执行时该装置/系统实现如前所述方机程序被处理器执行时以实现前述基于时频和卷积神经网络的机会信号感知方法的步骤。该计算机可读存储介质可以是有形存储介质，诸如随机存储器(RAM)、内存、只读存储器[0162]需要明确的是，本发明并不局限于上文所描述并在图中示出的特