[发明专利]一种基于逐级门限判决的深度学习摩尔斯码识别方法及装置

说明书

本发明公开了一种基于逐级门限判决的深度学习摩尔斯码识别方法，获取摩尔斯码音频信号，对摩尔斯码音频信号进行预处理，得到预处理后音频信号；对预处理后音频信号进行判断，根据判断结果将其分类为第一类音频信号和第二类音频信号；在递归神经网络基础上增加用于分析判断的递归门，构建用于生成摩尔斯码数据标签的神经网络；根据神经网络的输入条件，对第一类音频信号和第二类音频信号进行编码处理，得到编码处理后的数据；将编码处理后的数据输入神经网络中处理，输出得到摩尔斯码数据标签；将摩尔斯码数据标签进行逆处理，识别出摩尔斯码；本发明的识别方法，保证了摩尔斯码的识别效率和准确率。

技术领域

本发明属于通讯信号处理技术领域，具体涉及一种基于逐级门限判决的深度学习摩尔斯码识别方法及装置。

背景技术

摩尔斯码是一种间隔通、断的信号代码，通过不同的排列顺序来表达不同的英文字母、数字和标点符号。它发明于1837年，是一种早期的数字化通信形式，根据其发明人的名字又被称为摩斯码或者摩尔斯码。不同于现代化的数字通讯，摩尔斯码只使用零和一两种状态的二进制代码，它的代码包括五种：短促的点信号“・”，保持一定时间的长信号“—”，表示点和划之间的停顿、每个词之间中等的停顿，以及句子之间长的停顿；对于变速摩斯电码识别，需根据接收的摩尔斯码数据不断地更新调整参考间隔，从而能判断出接收的一段摩尔斯信号中的点码、划码、字间隔和词间隔，以查询识别得到对应的字符，现有技术中对摩尔斯码的抄记识别工作还是依赖于有经验的报务人员来完成，所以在这个过程中容易出现一些错误，并且摩尔斯码的识别、计算和解码过程复杂且繁琐，从而导致在摩尔斯码的识别、计算和解码的效率和准确率都相当低下。

基于此，还没有一种基于深度学习技术来对摩尔斯码进行高效且准确的识别方法。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种基于逐级门限判决的深度学习摩尔斯码识别方法及装置对摩尔斯码进行高效且准确的识别。

为了解决上述技术问题，本发明采用了如下的技术方案：一种基于逐级门限判决的深度学习摩尔斯码识别方法，包括以下步骤：

获取摩尔斯码音频信号，对摩尔斯码音频信号进行预处理，得到预处理后音频信号；

对预处理后音频信号进行判断，根据判断结果将其分类为第一类音频信号和第二类音频信号；

根据递归神经网络增加用于分析判断的递归门，构建用于生成摩尔斯码数据标签的神经网络；

根据神经网络的输入条件，对第一类音频信号和第二类音频信号进行编码处理，得到编码处理后的数据；

将编码处理后的数据输入神经网络中处理，输出得到摩尔斯码数据标签；

将摩尔斯码数据标签进行逆处理，识别出摩尔斯码。

在一些实施例中，上述一种基于逐级门限判决的深度学习摩尔斯码识别方法中，获取摩尔斯码音频信号，对摩尔斯码音频信号进行预处理，得到预处理音频信号，包括：

对摩尔斯码音频信号进行降噪处理，获得去噪信号；

对摩尔斯码音频信号进行傅里叶变换，得到初步滤波结果；

通过巴特沃斯滤波器和卡尔曼滤波器对初步滤波结果进一步处理，得到处理后音频信号。

在一些实施例中，上述一种基于逐级门限判决的深度学习摩尔斯码识别方法中，对预处理后音频信号进行判断，根据判断结果将其分类为第一类音频信号和第二类音频信号，执行判断步骤，包括：

根据预设时间内的信号特征设置信号判断阈值；

根据信号判断阈值对处理后音频信号进行判断；

若处理后音频信号大于信号判断阈值，判断为待分类音频信号；