基于LeNet-5模型对广播电视发射机入射功率图的区分

• 作者: 刘峻 黄卿
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 发射机 入射功率 卷积神经网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 应用研究
• 页码范围: 94-95
• 页数: 2页
• 分类号: TP391.41
• 字数: 1092字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2019.11.53

摘要

目前在广播电视无线传输发射领域,对设备运行数据监控图的分类区分采用人工的方式进行,无法区分设备的软故障和硬故障,往往存在误判、漏判现象.鉴于卷积神经网络在图像识别方面的优良特性,本文选取具有代表性的广播电视发射机入射功率监控图作为样本集,对卷积神经网络LeNet-5模型进行改进,并将其应用于广播电视发射机入射功率监控图的识别以区分设备的软故障和硬故障.实验表明,该优化后的卷积神经网络模型在对广播电视无线发射机的入射功率监控图的识别中,能够较好地区分软故障和真实故障,满足实际需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘峻	广西大学计算机与电子信息学院	13	25	2.0	4.0
2	黄卿	广西大学计算机与电子信息学院	6	1	1.0	1.0