申请/专利权人：西安交通大学

申请日：2023-03-02

公开（公告）日：2023-05-26

公开（公告）号：CN116170263A

主分类号：H04L27/00

分类号：H04L27/00;H04L27/22;G06F18/10;G06F18/214;G06F18/24;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.13#实质审查的生效;2023.05.26#公开

摘要：本发明公开了一种基于AlexNet网络的MPSK类突发信号调制识别方法及系统，基于延时相加双滑动窗能量检测法进行信号始末位置检测，然后下变频、匹配滤波后生成五种复基带信号，基于快速傅里叶变换和频谱分析法对复基带信号进行盲频偏估计和补偿，生成训练数据集和测试数据集；对训练数据集的五种信号提取信号特征生成星座图，输入AlexNet网络训练识别模型；再单独生成信号的差分高阶累积量，输入DNN网络训练识别模型；最后将测试数据集的五种信号提取信号特征生成星座图送入AlexNet网络进行粗分类和DNN网络进行细分类。本发明能够不借助任何先验信息，实现非合作通信下低信噪比突发信号的始末位置检测和调制方式识别任务，保证识别准确率在90％以上。

主权项：1.一种基于AlexNet网络的MPSK类突发信号调制识别方法，其特征在于，包括以下步骤：S1、接收机获得预定信号，基于延时相加双滑动窗能量检测法确定突发信号的始末位置；S2、根据步骤S1得到的始末位置将突发信号分段，进行载波频率估计和带宽估计，带通滤波、下变频后得到复基带信号；S3、计算步骤S2得到的复基带信号的特征参数进行匹配滤波，并基于快速傅里叶变换变换对复基带信号进行频偏估计和频偏补偿，并按比例生成训练数据集和测试数据集；S4、提取步骤S3得到的训练数据集信号的同相分量和正交分量生成星座图，设计基于深度学习AlexNet网络思想的调制方式识别方法训练AlexNet识别模型；S5、计算步骤S3得到的训练数据集中信号的差分高阶累积量，设计基于深度学习DNN网络思想的调制方式识别方法训练DNN识别模型；S6、提取步骤S3得到的测试数据集五种信号的同相分量和正交分量生成星座图，输入步骤S4得到的AlexNet模型进行识别粗分类，再计算分类结果中信号的差分高阶累积量，输入步骤S5得到的DNN模型再进行识别细分类。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于AlexNet网络的MPSK类突发信号调制识别方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD