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！

龙图腾网恭喜中国人民解放军国防科技大学申请的专利一种基于深度学习的电磁环境监测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119246971B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411754770.5，技术领域涉及：G01R29/08；该发明授权一种基于深度学习的电磁环境监测系统及方法是由李修和;冉金和;马奎;石倩倩;张逸;沈阳设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种基于深度学习的电磁环境监测系统及方法在说明书摘要公布了：本发明涉及电磁环境监测技术领域，公开了一种基于深度学习的电磁环境监测系统及方法，数据采集模块用于将目标区域分割为M个子区域，在第一预设时间段T天内，每天固定间隔对M个子区域采集t次电磁波数据；数据处理模块用于对采集的电磁波数据进行预处理，并构建M个特征矩阵，图网络模块用于对目标区域的M个子区域的电磁波数据构建图网络，图网络结构包括：节点、节点的初始特征和节点之间的边；通过基于深度学习的电磁环境监测系统，在多数时间目标区域无干扰信号时，通过优先检测异常信号，显著减少了计算资源的消耗，解决了现有技术中资源浪费和监测效率低下的问题，增强了系统应对潜在电磁威胁的能力。

本发明授权一种基于深度学习的电磁环境监测系统及方法在权利要求书中公布了：1.一种基于深度学习的电磁环境监测系统，其特征在于，包括：数据采集模块：其用于将目标区域分割为M个子区域，在第一预设时间段T天内，每天固定间隔对M个子区域采集t次电磁波数据；电磁波数据包括：频率、幅度、相位、极化、信噪比、位置坐标和时间戳；数据处理模块：其用于对采集的电磁波数据进行预处理，并构建M个特征矩阵，第k个特征矩阵的第j列第i行表示k个子区域第j天第i个时刻采集的电磁波数据，其中0≤k≤M，0≤j≤T，0≤i≤t；图网络模块：其用于对目标区域的M个子区域的电磁波数据构建图网络，图网络结构包括：节点、节点的初始特征和节点之间的边，其中，图网络结构中的节点与更新矩阵的元素建立映射关系，节点的初始特征通过与其建立映射关系的元素的电磁波数据表示，节点之间的边的构建方式包括：相邻的元素建立的映射关系的节点之间构建边，斜对角相邻的元素建立的映射关系的节点之间构建边；异常检测模块：其用于将第一预设时间段T天的M个图结构数据分别输入异常检测模型中，异常检测模型的输出表示第二预设时间段G天的M个子区域在第j天第i个时间段电磁波数据的异常值，其中，异常检测模块包括M个异常检测模型，M个异常检测模型分别输入M个子区域的图网络结构和第二预设时间段G天中第k个子区域第j天的第i个时刻采集的电磁波数据；识别模块：其用于识别异常的第二预设时间段G天中第j天第i个时刻的电磁波数据；在特征矩阵的上下边界均生成T个元素，在特征矩阵的左右边界均生成t个元素，在特征矩阵的四角分别生成一个元素，构建一个（T+2）×（t+2）的更新矩阵X；更新矩阵X中第1列和第T+2列中的第q个元素的电磁波数据为 ；更新矩阵X中第1行和第t+2行中的第p个元素的电磁波数据为 ；更新矩阵X中、、和四个角的元素的电磁波数据为；其中，2≤q≤t+1，2≤p≤T+1，、和分别为表示第一权重参数、第二权重参数和第三权重参数，、和分别表示第一偏置项、第二偏置项和第三偏置项，ReLU表示ReLU激活函数；第二预设时间段G天中第k个子区域第j天的第i个时刻采集的电磁波数据的异常检测公式如下： ； ； ；其中，表示第二预设时间段G天中第k个子区域第j天的第i个时刻采集的电磁波数据的异常值，表示第二预设时间段G天中第k个子区域第j天的第i个时刻采集的电磁波数据，表示第一预设时间段T天中第k个子区域第j天的第i个时刻采集的电磁波数据，表示第一预设时间段T天中第k个子区域第j+m天的第i+n个时刻采集的电磁波数据，表示第二预设时间段G天中第k个子区域第j天的第i个时刻采集的电磁波数据对比图网络结构中相邻的节点的相似度值，表示第一预设时间段T天中第k个子区域第j天的第i个时刻采集的电磁波数据对比图网络结构中相邻的节点的相似度值，分别表示第四权重参数，表示子区域异常阈值，表示阶跃激活函数，表示多层感知机；第二预设时间段G天中第j天的第i个时刻采集的电磁波数据的全局异常检测步骤，包括：步骤S301：建立目标区域M个子区域的三维简图，输入M个子区域在第二预设时间段G天中第j天的第i个时刻的异常值；步骤S302：若m个异常值为1的子区域在三维简图中形成直线结构，m个子区域的得分记为,表示为，其中表示第一奖励系数；步骤S303：若n个异常值为1的子区域在三维简图中的欧式距离小于距离阈值β，则形成聚集结构，n个子区域的得分记为，表示为，其中表示第一奖励系数；欧式距离计算公式为，其中和分别表示子区域和子区域的三维坐标；步骤S304：若z个异常值为1的子区域在三维简图中不形成聚集结构或者不形成直线结构，则z个子区域的得分记为，表示为，其中表示惩罚系数；步骤S305：计算全局异常值，全局异常值表示为，其中既属于聚集结构又属于直线结构的子区域则重复计分，判断全局异常值大于全局异常阈值则视为全局异常，判断全局异常值小于全局异常阈值则视为全局正常；图网络结构的节点特征更新步骤，包括：步骤S401：输入第k个子区域在第二时间段G天的第j天第i个时刻采集的电磁波数据到图网络结构中进行子区域异常检测；步骤S402：根据异常检测模块输出的子区域异常值判断对图网络结构进行更新；步骤S404：第k个子区域在第二预设时间段G天中的第j天第i个时刻的子区域异常值为0，则对第k个子区域在第二预设时间段G天中的第j天第i个时刻的电磁波数据和第k个子区域在第二预设时间段T天中的第j天第i个时刻的电磁波数据取均值更新第k个图网络结构中第j列第i行的节点的特征；步骤S404：第k个子区域在第二预设时间段G天中的第j天第i个时刻的子区域异常值为1，则不更新第k个图网络结构中第j列第i行的节点的特征；识别模块对第二预设时间段G天中第j天第i个时刻全局异常的电磁波数据的识别步骤，包括：步骤S501，将第二预设时间段G天中第j天第i个时刻的电磁波数据通过快速傅里叶变换将电磁波数据从时域转换为频域，生成频谱图，确定异常信号频率范围；步骤S502，将第二预设时间段G天中第j天第i个时刻的电磁波数据通过短时傅里叶变换生成时频图，识别出信号的频率突变和频率漂移特征；步骤S503，根据时频分析的结果，对异常信号进行调制方式识别；步骤S504，通过到达时间差方法，结合子区域间的空间位置，确定信号源的位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：410008 湖南省长沙市开福区德雅路109号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。