(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211119742.7 (22)申请日 2022.09.15 (71)申请人 中国电子科技 集团公司第二十九研 究所 地址 610036 四川省成 都市金牛区营康西 路496号 (72)发明人 王文兵　严少虎　钟立俊　李明惺　 杨玲　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 周浩杰 (51)Int.Cl. G06K 9/00(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/20(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于时频图像的信号识别方法 (57)摘要 本发明公开了一种基于时频图像的信号识 别方法， 属于频谱管控领域， 包括步骤： S1， 建立 信号时频图像样本库： 对其不同的信号进行频谱 数据采集， 对每一种样式采集选定时长的频谱数 据， 作为一类数据， 并赋 予类别标签信息， 保存到 频谱信号样本库； 按采集时间序列， 将选定数目 的频谱数据映射为一幅包含时间、 频率、 能量的 灰度图， 按照选定步长通过 “滑窗”的方式产生多 幅灰度图， 从而生成基于时频图像识别的样本 库， 即完成建立信号时频图像样本库； S2， 利用建 立的信号时频图像样本库， 并使用图像识别算法 进行信号识别， 输出信号识别结果。 本发明提高 了信号识别准确率， 充分挖掘监测数据中的时频 特征， 实现对偶发、 时变信号识别的高效性和鲁 棒性。 权利要求书1页 说明书7页 附图15页 CN 115221929 A 2022.10.21 CN 115221929 A 1.一种基于时频图像的信号识别方法， 其特 征在于， 包括以下步骤： S1， 建立信号时频图像样本库： 在设备开机工作时， 采用监测设备分别对其不同的信号 进行频谱数据采集， 对每一种样式采集选定时长的频谱数据， 作为一类数据， 并赋予选定的 类别标签信息， 保存到频谱信号样本库； 基于建立好的频谱信号样本库， 按采集时间序列， 将选定数目的频谱数据映射为一幅包含时间、 频率、 能量的灰度图， 按照选定步长通过 “滑 窗”的方式产生多幅灰度图， 从而生成基于时频图像识别的样本库， 即完成建立信号时频图 像样本库； S2， 利用建立的信号时频图像样本库， 并使用图像识别算法进行信号识别， 输出信号识 别结果。 2.根据权利要求1所述的基于时频图像的信号识别方法， 其特征在于， 在步骤S2中， 所 述使用图像识别算法进行信号识别， 包括子步骤： 选择用于图像识别的分类模型自适应地 学习数据内部结构时频特征， 对分类模型加以训练； 再将采集到的信号测试数据做同样的 时频图像转换处 理， 输入训练好的分类模型进行信号识别。 3.根据权利要求2所述的基于时频图像的信号识别方法， 其特征在于， 在步骤S2中， 所 述利用建立的信号时频图像样本库， 并使用图像识别算法进行信号识别， 包括子步骤： S21， 训练阶段： 首先将信号时频图像样本库中带标签的信号时频图像作为训练样本， 利用图像识别对图像进行预处理和特征提取， 并将提取到的特征送入分类器中进 行训练得 到分类模型， 之后再将训练好的分类模型存 储到指定路径， 用于后续信号识别； S22， 识别阶段： 将待识别的信号时频图数据作为测试数据， 利用图像识别同样对图像 进行预处理和特征提取操作， 然后将提取到的特征输入步骤S21训练好的分类模型进行识 别， 输出信号识别结果。 4.根据权利要求3所述的基于时频图像的信号识别方法， 其特征在于， 所述选择用于图 像识别的分类模型自适应地学习数据内部结构时频特征， 包括子步骤： 采用CNN框架中 VGGNet模型作为分类模型， 并在时频维度用于设备用频信号识别。 5.根据权利 要求4所述的基于时频图像的信号识别方法， 其特征在于， 所述VGGNet模型 包括VGG‑16模型。 6.根据权利 要求4所述的基于时频图像的信号识别方法， 其特征在于， 所述VGGNet模型 采用了Relu函数作为神经网络的激活函数。 7.根据权利要求1所述的基于时频图像的信号识别方法， 其特征在于， 在步骤S1中， 采 用监测设备分别对其 不同的信号进行 频谱数据采集中， 监测设备为超短波监测设备。 8.根据权利要求7所述的基于时频图像的信号识别方法， 其特征在于， 将所述超短波监 测设备采集的频谱数据进行采样处 理， 将频谱点数从512减少到10 0。 9.根据权利要求1所述的基于时频图像的信号识别方法， 其特征在于， 在步骤S1中， 所 述灰度图表示 为X*M的图像， 其中X为频谱帧数， M为每帧频谱数据的维数， 即频谱点数。 10.根据权利要求5所述的基于时频图像的信号识别方法， 其特征在于， 所述VGG ‑16模 型包括13层卷积层加上3层全连接层， 其中13个卷积层划分为5个卷积块， 每个卷积块由多 个卷积层组成， 各卷积层分别有64个， 128个， 256个， 512个3x3的卷积核， 各卷积块之间有步 长为2的2x2的最大池化层； 在卷积层及 池化层后， 经过三个全连接层， 最后一个全连接层的 输出作为Softmax预测层的输入。权　利　要　求　书 1/1 页 2 CN 115221929 A 2一种基于时频图像的信号识别方 法 技术领域 [0001]本发明涉及属于频谱管控领域， 更为具体 的， 涉及一种基于时频 图像的信号识别 方法。 背景技术 [0002]掌握设备当前的用频情况， 是实施设备用频、 辐射动态管控的前提。 在实际应用 中， 并非所有设备都具备用频状态实时上报功能， 即便有此功能， 也不能保证其上报信息的 准确性。 因此， 想要掌握设备真实的用频情况， 就需要利用第三方手段 （如频谱监测/感知设 备） 对其进行实时监测， 通过对频谱信号的分析识别， 从而获得设备真实用频情况。 设备用 频信号的不同， 本质上是由其 发射信号的调制参数、 机理不同而产生的， 具体体现在信号频 谱也是有差异的。 基于不同设备产生信号的机理及调制参数存在差异， 其所对应产生的用 频信号的谱图包络也不同。 当前， 设备 的用频方式和用频时长往往是多样化的。 其中， 用频 方式主要分为固定频率、 频率集、 捷变频和跳频等， 用频时长则包括常发用频和偶发用频 等。 因此， 监测设备采集到的设备信号 也会呈现出相对复杂的样式。 [0003]传统的信号识别方法主要针对相对固定、 常发的信号， 对于偶发、 时变的信号难以 发挥作用， 这是本领域 技术人员亟 待解决的技 术问题。 发明内容 [0004]本发明的目的在于克服现有技术的不足， 提供一种基于时频图像的信号识别方 法， 应用于对设备用频信号的识别和用频状态的掌握， 保留了信号频率 随时间的动态变化 特性， 提升了对偶发、 时变信号识别的准确率， 为设备使用人员掌握设备当前用频情况提供 了新的技 术手段， 从而为设备用频调整和 辐射源动态管控提供支持。 [0005]本发明的目的是通过以下 方案实现的： 一种基于时频图像的信号识别方法， 包括以下步骤： S1， 建立信号时频图像样本库： 在设备开机工作时， 采用监测设备分别对其不同的 信号进行频谱数据采集， 对每一种样式采集选定时长的频谱数据， 作为一类数据， 并赋予选 定的类别标签信息， 保存到频谱信号样本库； 基于 建立好的频谱信号样本库， 按采集时间序 列， 将选定数目的频谱数据映射为一幅包含时间、 频率、 能量的灰度图， 按照选定步长通过 “滑窗”的方式产生多幅灰度图， 从而生成基于时频图像识别的样本库， 即完成建立信号时 频图像样本库； S2， 利用建立的信号时频图像样本库， 并使用图像识别算法进行信号识别， 输出信 号识别结果。 [0006]进一步地， 在步骤S2中， 所述使用图像识别算法进行信号识别， 包括子步骤： 选择 用于图像识别的分类模型自适应地学习 数据内部结构时频特征， 对分类模型加以训练； 再 将采集到的信号测试数据 做同样的时频图像转换 处理， 输入训练好的分类模型进 行信号识 别。说　明　书 1/7 页 3 CN 115221929 A 3