← 返回列表
一种应用于市域监测的基于深度学习的调频广播信号频谱监测方法及系统
摘要文本
本发明涉及一种应用于市域监测的基于深度学习的调频广播信号频谱监测方法及系统，包括：对广播信号频谱图预处理后输入CNN与LSTM的融合深度学习网络，得到调频广播信号的图像表征信息，并判断其是否为非法调频广播信号；更进一步，对其非法类型进行判断，对中频分析后的语音信号的文本信息进行处理，输入TextCNN模型进行文本特征提取，获取文本的词向量特征表示；图像表征信息和词向量特征表示进行拼接，形成一个综合的多模态特征表示；对拼接后得到的综合的多模态特征表示进行最终的分类，实现非法调频广播信号监测，尤其是“黑广播”的判断。
申请人信息
- 申请人:东营市无线电监测站
- 申请人地址:257091 山东省东营市东营区府前街89号
- 发明人: 东营市无线电监测站
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种应用于市域监测的基于深度学习的调频广播信号频谱监测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311612573.5 |
| 申请日 | 2023/11/29 |
| 公告号 | CN117639986A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | H04H60/29 |
| 权利人 | 东营市无线电监测站 |
| 发明人 | 尚建强; 宁刚玲; 王进; 刘一鸣; 苏霞; 闫硕; 章龙; 徐剑锋 |
| 地址 | 山东省东营市东营区府前街89号 |
专利主权项内容
1.一种基于深度学习的非法调频广播信号监测方法，其特征在于，包括：CNN+LSTM特征表示：获取调频广播信号并转为频谱图；对得到的频谱图进行预处理后，输入训练后的CNN与LSTM的融合深度学习网络即频谱图特征提取模型，得到调频广播信号的图像表征信息；TextCNN特征表示：对中频分析后的语音信号的文本信息进行处理，输入训练后的TextCNN模型即文本特征提取模型进行文本特征提取，获取文本的词向量特征表示；多模态融合：得到的图像表征信息和词向量特征表示进行拼接，形成一个综合的多模态特征表示，包括频谱图和文本信息的丰富信息；多层感知机分类：经过多层感知机的分类层，对拼接后得到的综合的多模态特征表示进行最终的分类，实现调频广播信号监测及分类。