[发明专利]一种基于数据增强的调制方式自动识别与对抗方法

权利要求书

1.一种基于数据增强的调制方式自动识别与对抗方法，其特征在于，包括以下步骤：

S1：对输入的信号进行数据集处理；

S2：构建分类器；

S21：构建七层结构的CNN架构，第一层是输入层，第二层是第1卷积层，第三层是第2卷积层，第四层是第3卷积层，第五层是池化层，第六层是全连接层，第七层是输出层；

S22：在输入层输入2*128维数组，第1卷积层利用2*2大小的卷积核以1为步长进行卷积并利用激活函数做非线性映射，在该第1卷积层设置512层特征图像；

S23：第2卷积层、第3卷积层同S22中的第1卷积层，设置512层特征图像；

S24：在池化层中采用2*2大小的窗口以步长为2进行最大值池化，此时特征图为512，大小为1*64，共有(2*2+1)*512＝2560个可训练参数和2560*(1*64)＝163840个连接；

S25：将所有节点全连接到一起作为全连接层的输入，共有512*(1*64)*512＝16777216个参数；

S26：在输出层，softmax函数根据全连接层的输出进行对应8种分类；

S27：训练完之后，在CNN架构中输入一个信号数据，输出层给出分类结果；

S2中，所述构建分类器还包括数据增强，所述数据增强为以复杂电磁环境为背景对训练集增加高斯噪声、更改数据喂入方式；

所述数据增强具体为：

S201：对信号添加噪声干扰：

S202：设计添加噪声的信号区间，设参数x等于2dB ，在[x，18dB ]区间上对2*8维的数据添加方差为0.01的高斯噪声；

S203：在2*18至2*26维度的数据添加噪声，在大于10dB的区间内添加方差为0.01的噪声；

S204：设计噪声方差等于0.0007，维度在2*26至2*48的区间，对大于10分贝的数据添加噪声；

S205：通过设定阈值将训练集区分为高信噪比和低信噪比两部分，定义常数n，每一轮训练喂入1024-n个高信噪比部分数据，n个低信噪比数据，保证每轮喂入训练数据数量不变，设计n＝50；

S3 ：通过构建的分类器进行对抗识别；

S3中，所述对抗识别具体为：

S31:设计信号S加入人为噪声m：

S32:在设计中对I、Q两路加入常数，可使分类器的识别准确率下降，设计m＝0.000003起到降低敌分类识别准确率的作用

。

2.根据权利要求1所述的一种基于数据增强的调制方式自动识别与对抗方法，其特征在于：S1中，所述数据集处理具体为设有160调制方式，信噪比对数据，每对分配一个(1000,2,128)数组——意味着每个字典键里有1000个样本，每个样本是一个(2,128)数组。

3.根据权利要求2所述的一种基于数据增强的调制方式自动识别与对抗方法，其特征在于：所述数据集是Python字典的形式，数据集由8个数字调制类，SNR值从-20dB到18dB，步长为2dB的数据组成。

4.根据权利要求1所述的一种基于数据增强的调制方式自动识别与对抗方法，其特征在于：S22中，所述卷积核每个矩阵有2*2＝4个单元参数和一个基参数，512个卷积核矩阵即(2*2+1)*512＝2560个可训练参数和2560*(2*128)＝655360个连接。