[发明专利]基于数据增强和卷积神经网络的信号调制识别算法

权利要求书

1.基于数据增强和卷积神经网络的信号调制识别算法，其特征在于，首先把公开数据集RML2016.10a里的时域信号处理成星座图表示，并把图片表示按8:2的比例分为训练集和测试集；其次对训练集分别使用旋转、随机擦除、翻转、CutMix 4种数据增强方法进行处理，得到4种增强后的训练集；然后把4种增强后的训练集分别输入到GoogleNet网络中进行训练，根据反向传播不断优化网络参数，得到训练好的网络。最后把测试集送进已经训练好的GoogleNet网络中进行测试，得到测试集的识别率并绘制出正确率随信噪比变化的曲线,对比不同数据增强方法的改善效果，得到最优的一种数据增强方法。

2.根据权利要求1所述的基于数据增强和卷积神经网络的信号调制识别算法，在把训练集送进网络中进行训练之前，先用数据增强对训练集进行了拓展且保留原始标签不变，这有利于丰富训练集，防止模型过拟合，提高模型的泛化能力。

3.根据权利要求1所述的基于数据增强和卷积神经网络的信号调制识别算法，其特征在于，在传统调制识别算法中，主要有基于假设检验的最大似然比识别方法和基于特征提取的模式识别方法。前者存在计算复杂度高、识别信号数量较少、以及过于依赖先验知识等不足之处，后者需要大量的专业知识和工程技术来手动设计特征，且当信道环境不理想时，模糊的特征会导致判决结果不理想。基于卷积神经网络的调制识别算法可以自动识别不同模式，消除了繁琐的人工特征提取过程。