[发明专利]基于注意力深度网络的无线电信号特征提取方法

说明书

本发明公开一种基于注意力深度网络的无线电信号特征提取方法，其实现步骤为：在构建编码调制联合无线电信号基础上生成训练样本集和测试样本集；构建包含注意力机制层的用于提取无线电信号特征的注意力深度网络；将训练样本集输入注意力深度网络中进行训练，得到训练好的注意力深度网络；利用测试样本集和训练好的注意力深度网络获得识别准确率。本发明具有普适性强，不需要人工特征提取，可去除冗余信息，复杂度低，分类结果准确、稳定的优点，可用于后续无线电信号的认知识别等处理中。

技术领域

本发明属于通信技术领域，更进一步涉及信号处理技术领域中的一种基于注意力深度网络的无线电信号特征提取方法。本发明模拟人类大脑信息处理机制中的视觉选择性注意力机制，可以在复杂的电磁环境下，通过自动提取无线电信号特征和快速筛选出高价值特征，用于后续无线电信号的认知识别。相比已有深度学习模型，本发明不仅具有计算复杂度低、参数规模小、易于硬件实现的特点，而且能在较低信噪比下获得准确的无线电信号调制编码方式的识别。

背景技术

无线电信号特征提取是无线电信号处理的基本步骤，对于后续处理性能与效率均起着决定性作用。一直以来国内外各大科研机构和高校在无线电信号的特征提取领域做出了大量的工作，利用大量的专家先验知识对信号进行分析，以获得具有判别性的信号特征。特别是近年来随着通信环境的日益复杂，信号种类和干扰快速增加，这种依赖经验设计特征的方法面临诸多困难与局限，缺点也愈发突出。另一方面，尽管基于传统方法的无线电信号信道编码类型的识别能在某类信号上能达到较满意的识别率，但在编码调制联合认知识别的准确性和有效性上有待进一步发展和提高。因此我们引入机器学习技术，并基于人类大脑信号处理机制中的视觉选择性注意力机制，建立了一个注意力深度网络模型，以自动提取各类无线电信号的层次化的显著语义特征，为复杂电磁环境下精准有效的无线电信号认知识别提供具有判别力的特征。

南京信息职业技术学院在其申请的专利文献“一种低信噪比条件下认知无线电信号调制方式的识别方法”(申请号201210438094.1公开号103812577B)中公开了一种低信噪比条件下认知无线电信号调制方式识别方法。该方法实现方法如下：步骤如下：(1)对接收信号进行分段频域滤波；(2)检测信号频谱中正弦波分量个数，若包含两个正弦波分量，则判定接收信号为FSK调制方式；若不满足，则执行步骤(3)；(3)将接收信号作平方运算，检测其频谱中的正弦波分量个数，若只有单个正弦波，则接收信号为BPSK调制方式；若包含两个正弦波分量则判定接收信号为MSK调制方式；若上述皆不满足，则执行步骤(4)；(4)将接收信号作四次方运算，检测其频谱中的正弦波分量个数，若只有单个正弦波分量则判定接收信号为QPSK调制方式，上述皆不满足则判为未知调制方式信号。该方法存在的不足之处是：该方法虽然提出了一种低信噪比条件下认知无线电信号调制方式识别方法，但是该方法在对信号进行特征提取时需要频域转换和复杂的数学运算，需要大量的先验知识，高度依赖人工特征提取，特征提取方法复杂。

杜青等人在其发表的论文“基于小波分析与神经网络的无线信号分类方法的研究”(河北工业大学2007年硕士论文)中阐述了一种基于小波分析与神经网络的无线信号分类方法。该算法实现方法如下：第一步是特征提取,采用Daubechies小波对信号进行七层分解和重构,研究了以各层信号的均方差作为信号的特征矢量的方法。第二步是调制方式分类,设计了用于实现调制信号分类的RBF神经网络,用提取的样本集的特征对RBF神经网络进行训练,用训练好的网络对测试集的信号进行分类。该方法存在的不足之处是：该方法虽然提出了一种基于神经网络的无线电特征提取方法来实现信号分类，但无法对无线电信号进行有效的特征提取，从而无法实现无线电信号调制编码方式的识别，并且该方法需要对一维信号进行小波分析才能用神经网络进行特征提取和分类识别的问题。

发明内容

本发明针对上述现有技术的不足，提出一种基于注意力深度网络的无线电信号特征提取方法。