欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021111515054
申请人: 西南交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种信号调制方式识别方法,其特征在于,包括:获取第一信息,所述第一信息包括待识别信号和第一预设数量的训练信号,所述训练信号为经过模拟调制方式或数字调制方式进行信号调制后的信号;

对所述待识别信号进行修复性转化得到修复后的所述待识别信号;

将预设数量的训练信号转化得到训练信号数据集;

建立基于二维卷积神经网络算法的深度学习模型,利用所述训练信号数据集训练所述深度学习模型,得到训练后的所述深度学习模型;

建立基于训练后的所述深度学习模型的调制识别数学模型,将所述修复后的所述待识别信号作为所述调制识别数学模型的输入信息,求解所述调制识别数学模型得到所述待识别信号的调制方式和识别概率;

其中,所述对所述待识别信号进行修复性转化得到修复后的所述待识别信号,包括:对修复后的所述待识别信号进行频偏估计得到频率偏移估计值;

将修复后的所述待识别信号和所述频率偏移估计值作为第一预设公式的输入信息,求解所述第一预设公式得到第一转化信号;

其中,第一预设公式为:

其中,r1(t)为第一转化信号,r(t)为修复后的待识别信号,foffset为频率偏移估计值;

对第一转化信号进行低通滤波转化得到第二转化信号;

获取所述训练信号的采样率与带宽比,根据所述采样率与所述带宽比对所述第二转化信号进行重采样得到第三转化信号;

对所述第三转化信号进行归一化处理得到修复后的待识别信号;

其中,建立基于训练后的所述深度学习模型的调制识别数学模型,将所述修复后的所述待识别信号作为所述调制识别数学模型的输入信息,求解所述调制识别数学模型得到所述待识别信号的调制方式和识别概率,包括:将修复后的待识别信号分为第二预设数量的小段,每个小段包括第三预设数量的点;

逐一将每个小段作为训练后的深度学习模型的输入信息,求解训练后的深度学习模型得到第二信息,第二信息包括每个小段对应的调制方式和子识别概率;

将概率值最大的调制类型作为待识别信号的调制方式;

将第二信息作为第二预设公式的输入信息,求解第二预设公式得到识别概率;

需要说明的是,第二预设公式具体如下:

其中,P为识别概率,K为第二预设数量,M为识别类型。

2.根据权利要求1所述的信号调制方式识别方法,其特征在于,所述将预设数量的训练信号转化得到训练信号数据集,包括:逐个对每个所述训练信号进行低通滤波转化得到第一信号集;

对所述第一信号集进行归一化处理得到所述训练信号集。

3.根据权利要求1所述的信号调制方式识别方法,其特征在于,所述将预设数量的训练信号转化得到训练信号数据集,之后包括:逐个将所述训练信号集中每个元素转化为IQ信号形式,并更新所述训练信号集中每个元素为IQ信号形式。

4.一种信号调制方式识别装置,其特征在于,包括:获取单元,用于获取第一信息,所述第一信息包括待识别信号和第一预设数量的训练信号,所述训练信号为经过模拟调制方式或数字调制方式进行信号调制后的信号;

修复总单元,用于对所述待识别信号进行修复性转化得到修复后的所述待识别信号;

转化总单元,用于将预设数量的训练信号转化得到训练信号数据集;

学习单元,用于建立基于二维卷积神经网络算法的深度学习模型,利用所述训练信号数据集训练所述深度学习模型,得到训练后的所述深度学习模型;

识别单元,用于建立基于训练后的所述深度学习模型的调制识别数学模型,将所述修复后的所述待识别信号作为所述调制识别数学模型的输入信息,求解所述调制识别数学模型得到所述待识别信号的调制方式和识别概率;

其中,所述修复总单元包括:

估计单元,用于对修复后的所述待识别信号进行频偏估计得到频率偏移估计值;

偏移修复单元,用于将修复后的所述待识别信号和所述频率偏移估计值作为第一预设公式的输入信息,求解所述第一预设公式得到第一转化信号;其中,第一预设公式为:其中,r1(t)为第一转化信号,r(t)为修复后的待识别信号,foffset为频率偏移估计值;

滤波修复单元,用于对第一转化信号进行低通滤波转化得到第二转化信号;

采样修复单元,用于获取所述训练信号的采样率与带宽比,根据所述采样率与所述带宽比对所述第二转化信号进行重采样得到第三转化信号;

第一归一化单元,用于对所述第三转化信号进行归一化处理得到修复后的待识别信号;

其中,识别单元还包括:

拆分单元,用于将修复后的待识别信号分为第二预设数量的小段,每个小段包括第三预设数量的点;

识别子单元,用于逐一将每个小段作为训练后的深度学习模型的输入信息,求解训练后的深度学习模型得到第二信息,第二信息包括每个小段对应的调制方式和子识别概率;

调制确认单元,用于将概率值最大的调制类型作为待识别信号的调制方式;

概率计算单元,用于将第二信息作为第二预设公式的输入信息,求解第二预设公式得到识别概率。

5.根据权利要求4所述的信号调制方式识别装置,其特征在于,所述转化总单元包括:滤波转化单元,用于逐个对每个所述训练信号进行低通滤波转化得到第一信号集;

第二归一化单元,用于对所述第一信号集进行归一化处理得到所述训练信号集。

6.根据权利要求4所述的信号调制方式识别装置,其特征在于,所述信号调制方式识别装置,还包括:IQ转化单元,用于逐个将所述训练信号集中每个元素转化为IQ信号形式,并更新所述训练信号集中每个元素为IQ信号形式。

7.一种信号调制方式识别设备,其特征在于,包括:存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述信号调制方式识别方法的步骤。

8.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述信号调制方式识别方法的步骤。