[发明专利]一种信号调制模式识别方法及装置

权利要求书

1.一种信号调制模式识别方法，其特征在于，包括：

获取接收端信号；

将所述接收端信号输入预先训练好的卷积神经网络模型，卷积神经网络模型计算所述接收端信号的信号调制模式为各种预设信号调制模式的概率，将概率最高的预设信号调制模式作为信号调制模式识别结果，得到所述卷积神经网络模型输出的信号调制模式识别结果，其中，所述卷积神经网络模型为利用预先标记有调制模式类别信息的训练样本训练得到的模型。

2.根据权利要求1所述的方法，其特征在于，所述获取接收端信号之后，还包括：

对所述接收端信号进行信号特征突显处理；

将所述接收端信号输入预先训练好的卷积神经网络模型，得到所述卷积神经网络模型输出的信号调制模式识别结果，包括：

将进行信号特征突显处理后的接收端信号输入预先训练好的卷积神经网络模型，得到所述卷积神经网络模型输出的信号调制模式识别结果。

3.根据权利要求2所述的方法，其特征在于，所述对所述接收端信号进行信号特征突显处理，包括：

对所述接收端信号进行降噪处理和信号幅度变化消除处理。

4.根据权利要求2所述的方法，其特征在于，所述对所述接收端信号进行信号特征突显处理之后，还包括：

将进行信号特征突显处理后的接收端信号转换为设定格式的图片；

将所述接收端信号输入预先训练好的卷积神经网络模型，得到所述卷积神经网络模型输出的信号调制模式识别结果，包括：

将所述设定格式的图片输入预先训练好的卷积神经网络模型，得到所述卷积神经网络模型输出的信号调制模式识别结果。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述卷积神经网络模型为深度残差网络结构模型。

6.一种信号调制模式识别装置，其特征在于，包括：

获取模块，用于获取接收端信号；

识别模块，用于将所述接收端信号输入预先训练好的卷积神经网络模型，卷积神经网络模型计算所述接收端信号的信号调制模式为各种预设信号调制模式的概率，将概率最高的预设信号调制模式作为信号调制模式识别结果，得到所述卷积神经网络模型输出的信号调制模式识别结果，其中，所述卷积神经网络模型为利用预先标记好调制模式类别信息的训练样本训练得到的模型。

7.根据权利要求6所述的装置，其特征在于，还包括：

信号特征突显处理模块，用于对所述接收端信号进行信号特征突显处理；

所述识别模块，具体用于将进行信号特征突显处理后的接收端信号输入预先训练好的卷积神经网络模型，得到所述卷积神经网络模型输出的信号调制模式识别结果。

8.根据权利要求7所述的装置，其特征在于，所述信号特征突显处理模块包括：

信号特征突显处理子模块，用于对所述接收端信号进行降噪处理和信号幅度变化消除处理。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：

转换模块，用于将进行信号特征突显处理后的接收端信号转换为设定格式的图片；

所述识别模块，具体用于将所述设定格式的图片输入预先训练好的卷积神经网络模型，得到所述卷积神经网络模型输出的信号调制模式识别结果。

10.根据权利要求6-9任意一项所述的装置，其特征在于，所述卷积神经网络模型为深度残差网络结构模型。