本发明公开了一种基于卷积神经网络的深度学习的智能频谱图分析方法,涉及光通信领域,所述的方法包括以下步骤:获取所需分析的频谱图像集;频谱图像预处理;训练卷积神经网络(CNN)模块;所需频谱图像输入到训练好的CNN中进行特征提取和性能分析;输出结果。本发明提供了一种通过自动检测提取特征达到自学习和演进的频谱图分析方法,解决了处理频谱数据中数据维度过高或者不确定的而导致的模型结构不具备通用性的问题。当有新的识别目标时,本发明可以自动提取测量过程所需的特征,并且由于输入的信息载体为图像,因此模型的结构确定,具备通用性。所提出的发明有潜力嵌入测试仪器实现智能化频谱分析,或应用于OPM模块以确保网络运营的鲁棒性。
声明:
“基于卷积神经网络的深度学习的智能频谱图分析方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)