1.一种电磁信号可解释智能感知方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述待感知信号的循环谱图在输入预设的深度神经网络模型时,先经过两个卷积层、一个最大池化层处理,再依次经过四个级联的基本残差模块、一个平均池化层、两个全连接层,最后经softmax层实现分类。
3.根据权利要求1所述的方法,其特征在于,所述类别包括信号类、噪声类;
4.根据权利要求1所述的方法,其特征在于,所述类别激活映射将预测的类别所对应的值逐层逆映射到上一层,直至输入层,将输入层得到的逆映射区域作为区别区域。
5.根据权利要求1所述的方法,其特征在于,所述预设的深度神经网络模型采用下述步骤获取:
6.根据权利要求5所述的方法,其特征在于,所述带动量的随机梯度下降(sgd)方法中采用的损失函数为如下交叉熵函数:
7.根据权利要求2所述的方法,其特征在于,所述softmax层计算分类类别的置信度,当类别的置信度大于设定的决策阈值时,则该类别为当前待感知信号对应的分类结果。
8.根据权利要求2所述的方法,其特征在于,所述预设的深度神经网络模型满足设定的虚警概率pf:
9.一种电磁信号可解释智能感知装置,其特征在于:包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于:存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。