[发明专利]基于多尺度卷积神经网络的无线电信号调制识别方法

说明书

本发明公开一种基于多尺度卷积神经网络的无线电信号调制识别算法，其实现步骤为：(1)生成处理后的无线电调制信号；(2)生成二维时频图，对信号的瞬时相关函数作傅里叶变换得到信号的维格纳‑威利时频分布图；(3)对时频分布图进行预处理，生成训练样本集和测试样本集；(4)构建多尺度卷积神经网络模型并进行训练；(5)使用训练好的网络模型对测试集进行测试，计算正确率，获得识别准确率，评估网络性能。本发明具有普适性强，不需要人工特征提取和大量先验知识，复杂度低，分类结果准确、稳定的优点，可用于信号分类识别技术领域中。

技术领域

本发明属于信号处理技术领域，更进一步涉及一种基于多尺度卷积神经网络的无线电信号自动调制识别方法。本发明可以适用于复杂的电磁环境，实现无线电信号的自动特征提取和调制方式分类，从而使无线电信号调制方式分类更加灵活，高效。

背景技术

无线电信号调制识别在军用电子对抗，敌对侦察和信号捕获分析上扮演着重要角色，在已知信息极度缺乏的情况下，信号的调制识别作为信号处理流程的第一道工序，对信息的最终识别起到了决定性作用。由于先验信息的匮乏，一直以来国内外各大科研机构和高校在调制识别领域做出了大量的工作。目前基于传统分类方法的数字信号调制方式识别能在给定测试信号上达到令人满意的识别率。但是随着科技的快速发展，电磁环境的复杂度提高，信号种类和干扰增多，这些传统方法的缺点也愈发突出。传统方法需要大量的先验知识和复杂的人工特征提取，只能识别有限几种信号，方法鲁棒性不高并且在复杂通信环境下受干扰影响较大，同时模型较为复杂。我们采用多尺度卷积神经网络，实现在复杂电磁环境下对无线电信号的自动特征提取和调制方式分类。

电子科技大学在其申请的专利文献“一种CPFSK调制识别方法”(申请号201510847573.2)中公开了一种连续相位频移键控调制识别方法，该方法通过以下步骤：充分利用连续相位频移键控信号的特征，即在每个符号内其瞬时相位是线性增加或减少的这一特点，通过对连续相位频移键控信号建模并提取信号瞬时相位，结合线性拟合的手段，使新的特征提取方法具有更好的抗噪声能力，通过仿真实验可以看出该算法结果直观，性能良好，同时拥有较低的运算复杂度。该方法存在的不足之处是：该方法虽然提出了一种通信信号调制识别方法，但是仅仅可以用于识别连续相位频移键控信号，并且在进行信号特征提取时需要大量的先验知识。

哈尔滨工业大学在其申请的专利文献“一种鲁棒通信信号调制识别方法”(申请号201410680905.8)中公开了一种鲁棒通信信号调制识别方法。该方法通过以下步骤：1、对通信信号样本进行魏格纳(Wigner-Ville)变换得到时频分布，提取二阶立体自相关特征，建立二阶立体自相关特征集，然后对二阶立体自相关特征进行遴选形成鲁棒的特征集，之后训练建立一类支持向量机组并计算一类支持向量机组的输出函数。2、计算待识别通信信号样本属于通信信号样本中包含的各种调制方式的概率选取概率最大的调制类别作为最终的调制识别结果。该方法虽然提出了一种鲁棒通信信号调制识别方法，但是该方法仍然存在的不足之处是：模型复杂，进行信号特征提取时高度依赖于人工特征提取。

发明内容

本发明针对上述现有技术的不足，提出一种基于多尺度卷积神经网络的无线电信号自动调制识别方法。

实现本发明目的的具体思路是，利用多尺度卷积神经网络进行无线电信号调制识别。该算法在信号识别中能够达到较高的识别率，同时又能降低传统调制识别方法对人工特征提取和先验知识的高度依赖性，可以识别多种类型调制方式的无线电信号，并简化了识别步骤。从而使无线电信号调制识别更加灵活、高效。

实现本发明目的的具体步骤包括如下：

(1)生成处理后的无线电调制信号：

将十一种共计220000个无线电调制信号中的每一个信号通过瑞利衰落信道，再叠加信噪比为+5分贝的高斯白噪声，得到220000个无线电调制信号；

(2)生成二维时频图：