[发明专利]基于改进堆叠沙漏神经网络的自动调制分类方法

说明书

本发明公开了一种基于改进堆叠沙漏神经网络的自动调制分类方法，包括：获取调制信号作为原始数据并对原始数据进行归一化处理；采用两种不同形状的卷积核获取调制信号的特征信息，将获取的两种卷积特征在通道维度上进行连接，组成多局部特征信息；接收多局部特征信息并采用一个初始卷积模块来增加特征通道数；采用四个阶段沙漏模块堆叠依次对增加特征通道数的多局部特征信息进行端到端的分离；其中，每个沙漏模块均以瓶颈层为基本单元，在瓶颈层内部进行通道维度上的变化，每个沙漏模块在下采样阶段和上采样阶段均采用通道注意力机制对通道进行过滤。本发明在堆叠沙漏神经网络的基线网络基础上进行改进，能显著提升调制识别准确率。

技术领域

本发明涉及无线通信信号处理技术，具体是基于改进堆叠沙漏神经网络的自动调制分类方法。

背景技术

在无线通信领域，通信信号的自动调制识别(Automatic ModulationRecognition，AMR)是信号处理和模式识别领域中的一项关键技术，也是一项难点技术。该项技术广泛应用于军用领域和民用领域，有着重要的应用价值和科学意义。例如，在军用领域，侦察人员需要通信信号调制模式识别技术对敌方的无线通信信号进行调制识别，进而实施有针对性干扰和监听，从而实现有效电子对抗；在民用领域，政府及相关部门需要通信调制模式识别技术对无线信号进行查验识别、监管和保障各种无线通信设备的正常工作，从而防止无线频谱被非法使用。

调制识别从20世纪60年代提出开始已经发展了五十多年，主流的方法主要分为三种：基于最大似然理论、基于特征提取、基于深度学习。由于基于最大似然理论方法只能在大信噪比的情况下保证识别率，所以近年来基于特征提取和基于深度学习的方法在自动调制识别领域引起了广泛的关注。近年来，一些在图像、语音领域表现良好的网络正逐渐向调制识别分类领域迁移。然而，目前这些领域的一些基础网络，如卷积神经网络、循环神经网络、长短期记忆人工神经网络及这些网络的一些结合在调制识别领域的识别准确率普遍较低，这影响了调制识别分类技术在无线通信领域的推广应用。

发明内容

本发明的目的在于解决现有应用于无线通信领域通信信号的自动调制识别准确率低的问题，提供了一种基于改进堆叠沙漏神经网络的自动调制分类方法，其在堆叠沙漏神经网络的基线网络基础上进行改进，能显著提升调制识别准确率。

本发明的目的主要通过以下技术方案实现：基于改进堆叠沙漏神经网络的自动调制分类方法，包括：

数据预处理，获取调制信号作为原始数据并对原始数据进行归一化处理；

局部信息捕获，采用两种不同形状的卷积核获取调制信号的特征信息，将获取的两种卷积特征在通道维度上进行连接，组成多局部特征信息；

特征通道数增加，接收多局部特征信息并采用一个初始卷积模块来增加特征通道数；

信号分离，采用四个阶段沙漏模块堆叠依次对增加特征通道数的多局部特征信息进行端到端的分离；其中，每个沙漏模块均以瓶颈层为基本单元，在瓶颈层内部进行通道维度上的变化，每个沙漏模块在下采样阶段和上采样阶段均采用通道注意力机制对通道进行过滤。