本發明公開了一種基于卷積神經網絡的深度學習的智能頻譜圖分析方法,涉及光通信領域,所述的方法包括以下步驟:獲取所需分析的頻譜圖像集;頻譜圖像預處理;訓練卷積神經網絡(CNN)模塊;所需頻譜圖像輸入到訓練好的CNN中進行特征提取和性能分析;輸出結果。本發明提供了一種通過自動檢測提取特征達到自學習和演進的頻譜圖分析方法,解決了處理頻譜數據中數據維度過高或者不確定的而導致的模型結構不具備通用性的問題。當有新的識別目標時,本發明可以自動提取測量過程所需的特征,并且由于輸入的信息載體為圖像,因此模型的結構確定,具備通用性。所提出的發明有潛力嵌入測試儀器實現智能化頻譜分析,或應用于OPM模塊以確保網絡運營的魯棒性。
聲明:
“基于卷積神經網絡的深度學習的智能頻譜圖分析方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)