[发明专利]一种基于图神经网络的调制信号分类方法和系统

权利要求书

1.一种基于图神经网络的调制信号分类方法，其特征在于，包括：

步骤S1、将I/Q调制信号数据集的每个双通道I/Q调制信号数据处理成四通道信号；

步骤S2、采用基于注意力的有限穿越可视图建网算法将四通道信号分别转换成对应的四通道无向网络图信号；

步骤S3、采用图神经网络对所述四通道无向网络图信号进行特征提取，得到四通道信号的特征向量；

步骤S4、融合四通道的特征向量为所述每个I/Q调制信号的特征向量，且结合图神经网络中的全连接层完成信号的分类；

步骤S5、调节可视窗大小，重复步骤S2-步骤S4至效果最佳；

其中，步骤S1具体包括：读取I/Q调制信号数据，根据其所属领域专业知识，处理每个信号数据的I通道和Q通道数据得到幅值数据A和相位数据W，将每个双通道信号数据处理成四通道信号；幅值通道数据A计算方式如下：

式中，A_i表示A通道中第i个时间点的幅值数据，I_i表示I通道中第i个时间点的信号数据，Q_i表示Q通道中第i个时间点的信号数据；

计算相位通道数据W时，以I通道为横坐标，Q通道为纵坐标，再计算相位，公式如下：

式中，W_i表示W通道中第i个时间点的相位数据，I_i表示I通道中第i个时间点的信号数据，Q_i表示Q通道中第i个时间点的信号数据；

步骤S2具体包括：预设视野窗w参数，将每个I、Q、A和W四个通道信号序列分别转换成四通道无向网络图和其中，信号序列的时间点映射成网络图的节点，每个采样点的值作为其对应节点的特征，X表示为网络的节点特征，E表示为网络的连边，G为无向网络图；

基于注意力的有限穿越可视图建网过程如下：设Y＝{y_i}_{i＝1,2,...,n}为具有n个数据的时间序列，N为有限穿越视距，w为可视窗大小，先将时间序列中的每个时间点对应到网络中的每个节点，而网络中的连边则根据可视性规则来建立，若在离散时间序列中相隔m个数据点的两个点(t_a,y_a)和(t_b,y_b)相互可视，且mw，则这两个点之间仅存在M:0≤M≤N个数据点(t_i,y_i)其中t_at_it_b满足不等式：

y_iy_a+(y_a-y_b)(t_a-t_i)/(t_b-t_a)(3)

其余m-M个数据点(t_j,y_j)点，其中t_at_jt_b满足不等式：

y_jy_a+(y_a-y_b)(t_a-t_j)/(t_b-t_a)(4)；

步骤S3具体包括：

步骤S3.1、每个通道的网络图通过相同层数的图神经网络更新节点特征作为单通道的特征提取，其中，第n层的节点特征为四通道经过n层GNN更新后网络图分别为和其中网络节点特征X⁽ⁿ⁾的维度K可自行调节指定；

步骤S3.2、采用全局累加池化将每个通道的节点特征X池化为整个网络图的节点特征，池化后得到四个K维的特征向量和

步骤S4具体包括：

步骤S4.1、将从每个调制信号得到的四个网络图中学习到的特征向量以水平拼接的形式进行特征空间扩展，最终得到每个调制信号的融合特征向量其中merge()表示水平拼接；

步骤S4.2、将代表每个信号的特征向量通过多层全连接层后实现分类。