CN119496578A 一种嵌入式电磁信号识别处理方法及装置 （探月与航天工程中心）

本发明提供一种嵌入式电磁信号识别处理模型对所述待识别的数字电磁信号波形数据进智能感知与解析模型是基于卷积神经网络层和字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识别结果作为2基于电磁信号智能感知与解析模型对所述待识别的数字电磁信号波形数据进行识别，获得所述电磁信号智能感知与解析模型输出的电磁信其中，所述电磁信号智能感知与解析模型是基于卷积神经网应的样本电磁信号识别结果作为训练数据集进行迁移所述电磁信号智能感知与解析模用于基于对所述样本数字电磁信号波形数据的周期所述待识别的数字电磁信号波形数据进行感知将所述待识别的数字电磁信号波形数据输入至所述电磁信号智能感知与解析模型的其中，所述待识别的数字电磁信号波形数据包括第一将所述第一卷积输出结果和所述第二卷积输出结果输入至所述电磁信号智能感知与据对应的电磁信号干扰类别；其中，所述第三卷积输出结果是对所述待识别的数字电磁信号别的数字电磁信号波形数据输入至所述电磁信号智能感知与解析模型的卷积神经网络层将所述待识别的数字电磁信号波形数据的数据流进行分割处理，获通过所述电磁信号智能感知与解析模型读取所述数据文件，并将所3获得样本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样本电将所述第三卷积输出结果输入到所述电磁信号智能感知与解析模型的预设损失函数根据所述电磁信号数据分类标签确定电磁信号干扰类别，并将所述电磁信对所述待识别的数字电磁信号波形数据进行频谱分析，以将所述获得所述电磁信号识别结果对应的电磁信号干将所述电磁频谱数据和所述电磁信号干扰类别发送到客户端以图表方其中，所述电磁信号智能感知与解析模型是基于卷积神经网应的样本电磁信号识别结果作为训练数据集进行迁移所述电磁信号智能感知与解析模用于基于对所述样本数字电磁信号波形数据的周期所述待识别的数字电磁信号波形数据进行感知8.一种电子设备，包括存储器、处理器及存储程序被处理器执行时实现如权利要求1至6任一项所述嵌入式电磁信4行时实现如权利要求1至6任一项所述嵌入式电磁信号识5[0001]本发明涉及电磁技术领域，尤其涉及一种嵌入式电磁信更为高效的电磁信号识别处理方案成为当前亟待解决基于电磁信号智能感知与解析模型对所述待识别的数字电磁信号波形数据进行样本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识所述样本数字电磁信号波形数据的周期性属性进行特征提取得到的周期性属性的表示特将所述待识别的数字电磁信号波形数据输入至所述电磁信号智能感知与解析模6述第二卷积输出结果是对所述第二采样数字电磁信号波形数据进行卷积处理得到的卷积将所述第一卷积输出结果和所述第二卷积输出结果输入至所述电磁信号智能感形数据对应的电磁信号干扰类别；将所述待识别的数字电磁信号波形数据的数据流进行分割处理，获得多个数据获得样本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样将所述第三卷积输出结果输入到所述电磁信号智能感知与解析模型的预设损失7获得所述电磁信号识别结果对应的电磁信号干将所述电磁频谱数据和所述电磁信号干扰类别发送到客户端以图表方式进行显据对应的样本电磁信号识别结果作为训练数据集所述电磁信号智能感知与解析模用于基于对所述样本数字电磁信号波形数据的征对所述待识别的数字电磁信号波形数据进行[0011]所述电磁信号智能感知与解析模用于基于对所述样本数字电磁信号波形数据的征对所述待识别的数字电磁信号波形数据进行[0012]根据本发明提所述的嵌入式电磁信号识别处理装置，所述电磁信号识别处理单将所述待识别的数字电磁信号波形数据输入至所述电磁信号智能感知与解析模述第二卷积输出结果是对所述第二采样数字电磁信号波形数据进行卷积处理得到的卷积将所述第一卷积输出结果和所述第二卷积输出结果输入至所述电磁信号智能感形数据对应的电磁信号干扰类别；将所述待识别的数字电磁信号波形数据的数据流进行分割处理，获得多个数据8获得样本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样将所述第三卷积输出结果输入到所述电磁信号智能感知与解析模型的预设损失获得所述电磁信号识别结果对应的电磁信号干将所述电磁频谱数据和所述电磁信号干扰类别发送到客户端以图表方式进行显算机程序被处理器执行时实现如上任一项所述嵌入式电9本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识别[0030]下面结合图1图7描述本发明的嵌入式电磁信号识别处理方法及装置，对其实施[0031]下面基于本发明所述的嵌入式电磁信号识别处理方法，对其实施例进行详细描波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识别结果作为训练数析模型包括卷积神经网络层以及嵌入到所述卷积神经网络层的自相关卷好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务存在相关性，波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识别结果作为训练数[0034]步骤102、基于电磁信号智能感知与解析模型对所述待识别的数字电磁信号波形述电磁信号智能感知与解析模型是基于卷积神经网络层和自相关卷积运算层进行融合构于基于对所述样本数字电磁信号波形数据的周期性属性进行特征提取得到的周期性属性磁信号波形数据包括第一采样数字电磁信号波形数据和第二采样数字电磁信号波形数据；所述第一采样数字电磁信号波形数据的采样时间点和所述第二采样数字电磁信号波形数据是在采集所述第一采样数字电磁信号波形数据的预设延迟时间间隔之后所采集的数字输出结果输入至所述电磁信号智能感知与解析模型的自相关卷积运算层中进行自相关运的数字电磁信号波形数据输入至所述电磁信号智能感知与解析模型的卷积神经网络待识别的数字电磁信号波形数据的数据流进行分割处理，获得多个数据块，并按照预设的自定义参数将所述数据块存储为待读取的数据文件；所述数据文件中分别存储有第一采样数字电磁信号波形数据和第二采样数字电磁信号波形数据；其中，所述自定义参数包括单能感知与解析模型读取所述数据文件，并将所述数据文件输入至所述电磁信号智能感知与解析模型的卷积神经网络层中，得到所述卷积神经网络层输出的第一卷积输出结果和第二卷积输出结果。在根据所述第三卷积输出结果，确定所述待识别的数字电磁信号波形数据对应的电磁信号识别结果过程中，可将所述第三卷积输出结果输入到所述电磁信号智能感知与解析模型的预设损失函数中，得到相应的电磁信号数据分类标签；根据所述电磁信号数据分类标签确定电磁信号干扰类别，并将所述电磁信号干扰类别作为电磁信号识别结果进行输出。所述电磁信号识别结果为所述待识别的数字电磁信号波形数据对应的电磁信号干扰类别。所述第三卷积输出结果是对所述待识别的数字电磁信号波形数据中的背景噪声[0037]其中，xrarh-1表示原始电磁信号（即原始的数字电磁信号波形数据）从i时刻至运算层，数据的卷积输出结果在自相关卷积运算层后进行非线性激活。电磁信号特征图表示如下所示：[0039]本发明将传统信号统计特征自相关运算设计为特殊的网络层结构（即如图4所示的自相关卷积运算层，所述自相关卷积运算层执行相应的自相关运算融入一维CNN网络使其具备周期性学习能力。在深度神经网络中融入电磁领域相关性知识主要考虑两方面内噪声不具备周期性，采用自相关运算实现信号数据特征映射，该过程能够抑制非周期背景噪声。自相关卷积运算层反应了原始时序序列与连续时间间隔内的自身序列间的相似程度（即皮尔逊相关系数与计算两个不同时间序列间的相似程度不同，自相关使用同一段时间序列，其中一个时间序列为原始数据（即第一采样数字电磁信号波形数据另一个时间序列为延迟间隔为τ原始时间序列（即第二采样数字电磁信号波形数据对于原始时间序[0040]其中，c(n)为一维CNN网络映射原始电磁信号波形输出的电磁信号特征图即电磁相关卷积运算层与卷积神经网络层融合过程。所述卷积神经网络为一维CNN网络。在一维CNN网络中融入自相关卷积运算网络层，可保留该一维CNN网络对数据局部特征的学习能[0046]另外，在获得所述电磁信号智能感知与解析模型输出的电磁号波形数据映射为电磁频谱数据；获得所述电磁信号识别结果对应的电磁信号干扰类别；将所述电磁频谱数据和所述电磁信号干扰类别发送到客户端以图表方[0047]由于现有技术中特征智能化与可解释程度相互制约1）传统电磁特征基于预定工作流程如图2所示，所述核心处理模块下的智能识别模型为电磁信号智能感知与解析模本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识别[0052]电磁信号识别处理单元602，用于基于电磁信号智能感知与解析模型对所述待识号智能感知与解析模用于基于对所述样本数字电磁信号波形数据的周期性属性进行特征数字电磁信号波形数据）将会以Numpy可识别格式进行保存，便于进行波形可视化及[0055]在电磁信号时/频域波形可视化过程中，基于电磁信号数据采集模块以及电磁信号识别处理单元输出的智能感知结果（即电磁信号识别结果对电磁信号时/频域波形及[0057]所述电磁信号智能感知与解析模用于基于对所述样本数字电磁信号波形数据的征对所述待识别的数字电磁信号波形数据进行[0058]根据本发明提所述的嵌入式电磁信号识别处理装置，所述电磁信号识别处理单将所述待识别的数字电磁信号波形数据输入至所述电磁信号智能感知与解析模述第二卷积输出结果是对所述第二采样数字电磁信号波形数据进行卷积处理得到的卷积将所述第一卷积输出结果和所述第二卷积输出结果输入至所述电磁信号智能感形数据对应的电磁信号干扰类别；将所述待识别的数字电磁信号波形数据的数据流进行分割处理，获得多个数据获得样本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样将所述第三卷积输出结果输入到所述电磁信号智能感知与解析模型的预设损失获得所述电磁信号识别结果对应的电磁信号干将所述电磁频谱数据和所述电磁信号干扰类别发送到客户端以图表方式进行显本数字电磁信号波形数据以及所述样本数字电磁信号波形数据对应的样本电磁信号识别所述样本数字电磁信号波形数据对应的样本电磁信号识别结果作为训练数据集进行迁移特征对所述待识别的数字电磁信号波形数据进行感[0065]此外，上述的存储器702中的逻辑指令可以通过软件功能单元的形式实现并作为申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以信号波形数据进行识别，获得所述电磁信号智能感知与解析模型输出的电磁信号识别结与解析模用于基于对所述样本数字电磁信号波形数据的周期性属性进行特征提取得到的本数字电磁信号波形数据对应的样本电磁信号