[发明专利]一种基于卷积神经网络的信号调制识别方法和装置

说明书

本发明公开了一种基于卷积神经网络的信号调制识别方法和装置，方法包括：比较接收到的信号的长度N与卷积神经网络支持的输入信号长度L是否相等；当N等于L时，直接将所述接收到的信号输入到所述卷积神经网络中，以得到所述卷积神经网络输出的信号调制类型；当N不等于L时，将所述接收到的信号进行相应的补齐或分段处理后输入到所述卷积神经网络中，以得到所述卷积神经网络输出的信号调制类型。从而，在低信噪比下获得了比传统的基于特征提取的方法更高的识别准确率。而且适应了不同待识别信号长度，能够充分利用待识别信号的完整信息，避免了信息浪费。

技术领域

本发明涉及信号调制识别技术领域，具体涉及一种基于卷积神经网络的信号调制识别方法和装置。

背景技术

传统的信号调制识别主要通过提取信号特征方法来实现。有学者提出了一种调制类型识别方法，该方法避开了专门的特征提取环节，直接以无线电信号采样数据作为卷积神经网络的输入并完成对信号调制方式的识别，在低信噪比下获得了比传统的基于特征提取的方法更高的识别准确率。

然而，这种调制识别方法中的待识别信号的长度是固定的(比如长度是128个采样点)，实际应用中，待识别信号长度并不确定，可能比卷积神经网络设计的信号输入长度更长或者更短。对于待识别信号长度比设计的信号输入长度大时，一种简单的做法是从待识别信号中截取一段符合卷积神经网络输入的信号段，对截取的新号段进行识别，但是这样不仅会浪费掉未输入卷积神经网络的信号信息，而且会影响识别准确率，因此，亟需改进。

发明内容

本发明提供了一种基于卷积神经网络的信号调制识别方法和装置，以解决现有信号调制识别技术未能充分利用待识别信号信息以及识别准确率不高的问题。

根据本申请的一个方面，提供了一种基于卷积神经网络的信号调制识别方法，包括：

比较接收到的信号的长度N与卷积神经网络支持的输入信号长度L是否相等；

当N等于L时，直接将所述接收到的信号输入到所述卷积神经网络中，以得到所述卷积神经网络输出的信号调制类型；

当N不等于L时，将所述接收到的信号进行相应的补齐或分段处理后输入到所述卷积神经网络中，以得到所述卷积神经网络输出的信号调制类型。

可选地，当N不等于L时，将接收到的信号进行相应的补齐或分段处理后输入到所述卷积神经网络中包括：

若N＜L，则按照所述卷积神经网络支持的输入信号长度L，对接收到的信号进行补零后，将信号输入到所述卷积神经网络中；

若N＞L，则将接收到的信号划分为长度为L的各信号段，并将各信号段输入到所述卷积神经网络中。

可选地，对接收到的信号进行补零后，将信号输入到所述卷积神经网络中包括：

在接收到的信号的采样序列x(n)的尾部补上N-L个0后，将采样序列x(n)(n＝0,1,2,...,L-1)按照所述卷积神经网络的输入格式输入到卷积神经网络中以进行调制类型识别；

将接收到的信号划分为长度为L的各信号段，并将各信号段输入到所述卷积神经网络中包括：

对接收到的信号的采样序列x(n)，按间隔P滑动选取长度为L的各信号段y_i(m)，将各信号段y_i(m)按照卷积神经网络的输入格式输入到卷积神经网络中以进行调制类型识别；

其中，n＝0,1,2,...,N-1；y_i(m)＝x((i-1)P+m)，m＝0,1,2,...,L-1，i＝1,2,...,I，表示不大于(N-L+1)/P的最大整数；1≤P≤(N-L+1)。