龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：东南大学
摘要：本发明提出了一种基于深度学习的欺骗干扰检测方法，该方法利用深度学习中的DNN算法，对欺骗干扰信号进行检测，依此判断是否发生欺骗事件。在此过程中，首先将接收到的GPS信号进行处理，从跟踪环路中提取特征值，并将每个采样点计算出的一系列特征值作为一条数据，将其作为学习样本对对应的欺骗事件进行标记，设置标签为1表示欺骗事件发生，为‑1表示欺骗事件未发生。接着将处理好的数据集放入模型中进行训练，并采用多种优化器对深度神经网络模型进行训练，进行对比分析，并得出最优训练结果。该检测方法提取了信号的多个特征值，能从不同的角度综合判断，因此具有更强的表征能力和泛化性能。
主权项：1.一种基于深度学习的欺骗干扰检测方法，其特征在于：具体步骤如下：1将接收到的GPS信号进行处理，选取其中部分数据进行后续的数据采集工作。2对步骤1的数据设置多个相同采样时长，并设置采样间隔为t毫秒。3计算可得GPS接收机跟踪环路六路相关器的相干积分。4通过检测步骤3得到的相关器输出值进行特征值提取，从跟踪环路中提取以下参数作为机器学习的输入特征值：SQM、早晚码相位差、复合SQM以及载噪比。5根据步骤4得出的特征值结果可以计算出每个采样点对应的Delta、Ratio、ELP、M复合以及CN0值，将每个采样点计算得到的一系列特征值作为一条数据，得出一系列特征值。将其作为学习样本对对应的欺骗事件进行标记，设置标签为1表示欺骗事件发生，为-1表示欺骗事件未发生。将得出的数据集进行分割，70％作为训练集，30％作为测试集。6构建深度神经网络模型。7将步骤5中处理好的数据集放入模型中进行训练，通过调整网络结构、调整学习率、采用不同的激活函数和采用合适的优化器等方法来对模型进行优化。8对比步骤7中不同优化器对模型的优化效果，寻找最佳优化器，并得出其检测准确率。
全文数据：
权利要求：
百度查询： 东南大学 一种基于深度学习的欺骗干扰检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号