买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种信号调制样式识别方法_中国人民解放军空军工程大学_202010360390.9 

申请/专利权人:中国人民解放军空军工程大学

申请日:2020-04-30

公开(公告)日:2023-03-14

公开(公告)号:CN111695417B

主分类号:G06F18/24

分类号:G06F18/24;G06N3/0442;G06N3/045;G06N3/088;H04L27/00

优先权:

专利状态码:有效-授权

法律状态:2023.03.14#授权;2020.10.20#实质审查的生效;2020.09.22#公开

摘要:本发明涉及一种信号调制样式识别方法,主要步骤包括:产生训练数据,信号采集处理,制作信号样本集,提取神经网络特征,提取对比预测编码网络特征,无监督预训练,训练softmax分类器,测试调整网络参数;本发明方法避免了人工构造信号模型和信号特征带来的计算量增加;通过学习接收的实际信号能够不断提高调制样式识别的识别种类和识别性能,从而提高识别效率;采用半监督学习的方式可以有效利用大量无标签数据训练网络,可以在有标签样本较少的条件下训练调制样式分类器。

主权项:1.一种信号调制样式识别方法,包括:步骤1:产生训练数据,即使用信号仿真平台生成多种调制样式的信号,并使用发射机进行发射;步骤2:信号采集处理,即接收步骤1产生的多种调制样式的信号,对信号预处理,得到I、Q两路数字零中频信号;步骤3:制作信号样本集,即将I、Q两路数字零中频信号进行希尔伯特变换,得到数字零中频信号的幅值、相位、频率瞬时参数,将全部数字零中频信号的瞬时参数作为样本集合,分为无标签样本、有监督训练样本和测试样本;步骤4:提取神经网络特征,即将步骤3得到的幅值、相位、频率瞬时参数输入到长短期记忆神经网络,提取幅值、相位、频率瞬时参数在不同时间步长的尺度特征,将提取的尺度特征经过维度变化后接入残差神经网络提取高维度特征;步骤5:提取对比预测编码网络特征,即将步骤4提取的高维度特征输入对比预测编码网络的自回归网络,依据自回归网络输入的高维特征的数据分布进行拟合与预测并结合自回归网络输出的预测特征构造对比损失函数;步骤6:无监督预训练,即利用步骤5得到的预测特征和步骤4提取的高维度特征,使用梯度下降算法使步骤5中的损失函数收敛;步骤7:训练softmax分类器,即用softmax分类器替换对比预测编码的自回归网络,使用步骤2得到的有标签样本进行有监督训练,使用交叉熵损失函数训练softmax分类器;步骤8:测试调整网络参数,即利用步骤2得到的测试样本对训练得到的softmax分类器进行准确率测试,通过调节网络超参数优化网络。

全文数据:

权利要求:

百度查询: 中国人民解放军空军工程大学 一种信号调制样式识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。