[发明专利]基于模糊自编码器的水声信号自动调制识别方法

权利要求书

1.一种基于模糊自编码器的水声信号自动调制识别方法，其特征在于，包括以下步骤：

S1:获取水声信号；

S2：提取S1中水声信号的形态特征与熵特征，并进行归一化处理；所述S2中，所述形态特征包括：零中心归一化瞬时幅度谱密度的最大值、零中心归一化瞬时幅度标准差、波动系数；所述熵特征包括：功率谱香农熵、功率谱指数熵、奇异谱香农熵、奇异谱指数熵、频谱幅度香农熵、频谱幅度指数熵、相位谱香农熵、相位谱指数熵、小波能量指数熵、小波能量香农熵、瞬时幅度指数熵、瞬时幅度香农熵；

S3：利用模糊自编码器将S2中处理后特征向量进行模糊处理后，用于训练模糊自编码神经网络，得到用于编码的权值与偏置；所述模糊自编码器是在传统自编码器的基础上，依据二项分布，选取部分样本的部分特征进行均值化模糊处理后，用以模拟被噪声干扰后的特征，作为传统自编码器的输入，得到模糊自编码器；所述模糊自编码器的训练步骤如下；

S3-1：计算S2中得到的样本各个特征的均值；

S3-2：依据二项分布，选取S2中的部分样本，得到需要进行模糊处理的样本；

S3-3：对S3-2中得到的样本，依据二项分布，选择部分特征，将其替换为样本在该特征下的均值；

S3-4：将S3-3得到的样本用于训练模糊自编码器，得到映射权值与偏置；

S4：将S2中处理后的特征向量与S3得到的权值相乘后，加上偏置项，得到模糊自编码器编码后的特征向量；

S5：将S4得到的特征向量进行归一化之后，训练人工神经网络；

S6：将需要识别的水声信号经过上述相同的特征提取与编码后，输入到S5中训练好的人工神经网络中，实现自动调制识别。

2.如权利要求1所述的方法，其特征在于，所述S1中计算水声信号的特征所采用的信号处理方法包括：功率谱、奇异谱、相位谱、小波能量谱、频谱以及瞬时幅度。