1.一种PCMA信号的识别方法,其特征在于,所述方法包括:获取待识别的成对载波多址PCMA信号;
将所述PCMA信号的波形和频谱分别输入残差神经网络ResNet,提取所述波形和频谱的空间特征;
将所述波形和频谱的空间特征融合并获取波形和频谱的时空相关性;
通过全连接层根据所述时空相关性,对PCMA信号进行识别分类。
2.根据权利要求1所述的方法,其特征在于,所述将波形和频谱的空间特征融合并获取波形和频谱的时空相关性,包括:通过长短期记忆LSTM层提取所述PCMA信号的时间特征;
根据所述时间特征与所述空间特征得到波形和频谱的时空相关性。
3.根据权利要求2所述的方法,其特征在于,在将所述PCMA信号的波形和频谱分别输入残差神经网络ResNet前,还包括:将所述PCMA信号的波形和频谱分别输入卷积层,降低噪声方差并对所述PCMA信号的波形和频谱进行抽象。
4.根据权利要求1所述的方法,其特征在于,在将波形和频谱的空间特征融合并获取波形和频谱的时空相关性后,还包括:通过全连接FC层将所述信号进行映射,并采用预设的算法进行拟合,其中所述预设的算法为退出dropout算法。
5.根据权利要求1所述的方法,其特征在于,所述对PCMA信号进行识别分类,包括:通过单元数为6的激活函数对PCMA信号进行识别分类,其中所述函数为Softmax函数。
6.一种PCMA信号的识别装置,其特征在于,所述装置包括:信号获取模块,用于获取待识别的成对载波多址PCMA信号;
空间特征获取模块,用于将所述PCMA信号的波形和频谱分别输入残差神经网络ResNet,提取波形和频谱的空间特征;
时空相关性获取模块,用于将波形和频谱的空间特征融合并获取波形和频谱的时空相关性;
识别分类模块,用于通过全连接层根据所述时空相关性,对PCMA信号进行识别分类。
7.根据权利要求6所述的装置,其特征在于,所述将波形和频谱的空间特征融合并获取波形和频谱的时空相关性,包括:通过长短期记忆LSTM层提取所述PCMA信号的时间特征;
根据所述时间特征与所述空间特征,得到波形和频谱的时空相关性。
8.根据权利要求7所述的装置,其特征在于,所述空间特征获取模块,还包括:信号处理模块,用于将所述PCMA信号的波形和频谱分别输入卷积层,降低噪声方差并对所述PCMA信号的波形和频谱进行抽象。
9.根据权利要求6所述的装置,其特征在于,在将波形和频谱的空间特征融合并获取波形和频谱的时空相关性后,还包括:通过全连接FC层将所述信号进行映射,并采用预设的算法进行拟合,其中所述预设的算法为退出dropout算法。
10.根据权利要求6所述的装置,其特征在于,所述对PCMA信号进行识别分类,包括:通过单元数为6的激活函数对PCMA信号进行识别分类,其中所述函数为Softmax函数。