The invention relates to a radio signal recognition method based on end-to-end convolution neural network, which is characterized by two steps of pre-processing and convolution neural network recognition for the original I/Q sampling data of the observation window. In the preprocessing step, the original I/Q sampling data of the observation window is used as input, and the spectrum waterfall map is output after the discrete Fourier transform and data format alignment. In the convolutional neural network recognition step, the spectrum waterfall map obtained by the preprocessing is used as input, and it is processed through CNN feature extraction layer, MLP feature mapping layer and BR multi-scale. After signing the classification layer, output a one-dimensional Boolean vector representing all the signals to be identified. Compared with the traditional pattern of feature extraction and classification recognition, the invention adopts the end-to-end technology to solve the problem, avoids the complex and inefficient feature engineering, improves the accuracy, robustness and intelligence level of signal recognition, and is of great significance to the radio supervision of key areas and major activity sites.
【技术实现步骤摘要】
一种基于端到端卷积神经网络的无线电信号识别方法
本专利技术属于无线电监测
,涉及一种基于端到端卷积神经网络(ConvolutionalNeuralNetwork,CNN)的无线电信号识别方法,用于解决传统无线电信号识别中面临的特征提取过于复杂的问题,提高无线电信号识别的能力和智能化水平。
技术介绍
近年来,随着无线通信技术的发展,特别是物联网的兴起,无线电波已经成为连通万物的重要载体。然而,无线电波开放性的特点,使其容易受到干扰和非法利用,导致正常通信系统受扰中断、虚假反动言论传播等严重问题。因此,无线电安全已经成为国家安全的重要组成部分,加强无线电监测与管理,特别是在机场、边境等重点区域以及重大活动现场的无线电监管,具有重要的现实意义和迫切需求。简单而言,无线电监测包括三个任务:探测、识别和定位。其中,探测利用无线电接收设备获取基本的电磁数据;识别则通过数据处理提取更加抽象而实用的特征,并以此进行分类;最后,对于识别出的非法信号,还可利用无线电定位的方法搜寻发射源,为无线电监管和执法提供支持。由此可见,无线电信号识别是探测的升华,又是定位的基础,在无线电监测中处于核心地位,历来都是无线电监测技术研究的重点与难点。早期的无线电信号识别,是利用各种频谱采集设备采集空中射频信号,经过处理后,以频谱图、瀑布图、余晖图等可视化方式展现出来,然后由专业人员分析信号时频特征并寻找目标信号。这种做法对操作人员的专业素质要求非常高,而且当监测时间变长或无线电信号较多时,人工分析效率和准确率也会大幅下降。目前比较流行的无线电信号识别方式,是先由本领域专家精心挑选信号关 ...
【技术保护点】
1.一种基于端到端卷积神经网络的无线电信号识别方法,其特征在于:对观察窗口的原始I/Q采样数据先后进行预处理和卷积神经网络识别两个步骤,其中:预处理步骤:以观察窗口的原始I/Q采样数据作为输入,经过离散傅里叶变换和数据格式对齐处理后,输出频谱瀑布图;卷积神经网络识别步骤:以预处理所得的频谱瀑布图作为输入,经过CNN特征提取层、MLP特征映射层和BR多标签分类层后,输出表征所有待识别信号是否存在的一维布尔向量。
【技术特征摘要】
1.一种基于端到端卷积神经网络的无线电信号识别方法,其特征在于:对观察窗口的原始I/Q采样数据先后进行预处理和卷积神经网络识别两个步骤,其中:预处理步骤:以观察窗口的原始I/Q采样数据作为输入,经过离散傅里叶变换和数据格式对齐处理后,输出频谱瀑布图;卷积神经网络识别步骤:以预处理所得的频谱瀑布图作为输入,经过CNN特征提取层、MLP特征映射层和BR多标签分类层后,输出表征所有待识别信号是否存在的一维布尔向量。2.根据权利要求1所述的一种基于端到端卷积神经网络的无线电信号识别方法,其特征在于:所述的频谱瀑布图,尺寸为M×N×2;其中,2表示图片为两个通道,分别为I通道和Q通道;N表示离散傅里叶变换的点数,N值取2的正整数次幂;M表示一张频谱瀑布图内合并的离散傅里叶变换结果的组数,M值取正整数。3.根据权利要求1所述的一种基于端到端卷积神经网络的无线电信号识别方法,其特征在于:所述的一维...
【专利技术属性】
技术研发人员:周鑫,何晓新,邱源,任海玉,
申请(专利权)人:中国科学院软件研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。