The invention discloses a signal modulation pattern recognition method and a device, which comprises: constructing a neural network model, combining the specified parameters of the training signal into an input matrix format supported by the neural network model, and then inputting the input matrix into the neural network model for training, wherein the training signal has a corresponding input matrix. The specified parameters of the training signal include at least the real part and the imaginary part of the training signal, and the training neural network model is used to recognize the modulation pattern of the identified signal. It can be seen from this that in the training of neural network model, besides using the real part and the imaginary part of the signal to be identified, the invention also takes other specified parameter values as the input of the neural network at the same time. Compared with the technical scheme using only the real part and the imaginary part of the signal to be identified as the input, the embodiment of the invention is more advantageous to the neural network. The training of the model makes the recognition accuracy higher.
【技术实现步骤摘要】
一种信号调制样式识别方法和装置
本专利技术涉及信号处理
,具体涉及一种信号调制样式识别方法和装置。
技术介绍
传统的调制样式识别方法主要通过提取信号特征并结合分类方法来实现。还有一种采用神经网络的调制样式识别方法。这种方法避开了专门的特征提取环节,直接以无线电信号采样数据作为输入完成对信号调制样式的识别,在低信噪比下获得了比传统的基于特征提取的方法更高的识别准确率。但是在该调制样式识别方法中,仅利用少量的信号,即信号的实部(即,同相分量)和虚部(即,正交分量)作为输入,这导致神经网络训练过程中未能充分利用样本信号的信息,影响了神经网络模型的识别准确率,因而亟需改进。
技术实现思路
本专利技术提供了一种信号调制样式识别方法和装置,以解决现有识别过程中,识别准确率不高亟需改进的问题。根据本专利技术的一个方面,提供了一种信号调制样式识别方法,包括:构造神经网络模型,并将训练信号的指定参数值组合成所述神经网络模型支持的输入矩阵格式后将输入矩阵输入到所述神经网络模型中以进行训练,其中,所述训练信号带有相应的调制样式标记,所述训练信号的指定参数值至少包括训练信号的实部和虚部;利用训练好的神经网络模型对待识别信号进行调制样式识别。可选地,所述训练信号的指定参数值还包括计算出的下列参数值中的一种或多种:瞬时幅度,瞬时相位,瞬时频率,频谱幅度,二次方谱,四次方谱,八次方谱;将训练信号的指定参数值组合成神经网络模型支持的输入矩阵格式包括:将训练信号的实部和虚部各作为输入矩阵的一行,并从训练信号的瞬时幅度、瞬时相位、瞬时频率、频谱幅度、二次方谱、四次方谱、八次方谱中选取J种, ...
【技术保护点】
1.一种信号调制样式识别方法,其特征在于,包括:构造神经网络模型,并将训练信号的指定参数值组合成所述神经网络模型支持的输入矩阵格式后将输入矩阵输入到所述神经网络模型中以进行训练,其中,所述训练信号带有相应的调制样式标记,所述训练信号的指定参数值至少包括训练信号的实部和虚部;利用训练好的神经网络模型对待识别信号进行调制样式识别。
【技术特征摘要】
1.一种信号调制样式识别方法,其特征在于,包括:构造神经网络模型,并将训练信号的指定参数值组合成所述神经网络模型支持的输入矩阵格式后将输入矩阵输入到所述神经网络模型中以进行训练,其中,所述训练信号带有相应的调制样式标记,所述训练信号的指定参数值至少包括训练信号的实部和虚部;利用训练好的神经网络模型对待识别信号进行调制样式识别。2.如权利要求1所述的方法,其特征在于,所述训练信号的指定参数值还包括计算出的下列参数值中的一种或多种:瞬时幅度,瞬时相位,瞬时频率,频谱幅度,二次方谱,四次方谱,八次方谱;将训练信号的指定参数值组合成神经网络模型支持的输入矩阵格式包括:将训练信号的实部和虚部各作为输入矩阵的一行,并从训练信号的瞬时幅度、瞬时相位、瞬时频率、频谱幅度、二次方谱、四次方谱、八次方谱中选取J种,将每种参数值也作为所述输入矩阵的一行,以构成一个(J+2)行N列的输入矩阵;其中1≤J≤7,N为训练信号的长度;将(J+2)行N列的输入矩阵转换成(J+2)×N×1的图片格式,并作为神经网络模型的输入。3.如权利要求2所述的方法,其特征在于,利用训练好的神经网络模型对待识别信号进行调制样式识别包括:计算待识别信号的实部、虚部、瞬时幅度、瞬时相位、瞬时频率、频谱幅度、二次方谱、四次方谱、八次方谱,并按照与训练信号输入矩阵同样的转换过程将待识别信号的输入矩阵转换成(J+2)×N×1的图片格式后,输入到训练好的神经网络模型中以进行调制样式识别。4.如权利要求2所述的方法,其特征在于,包括:分别通过下列公式计算训练信号为x(n),n=0,1,2,...,N-1,N≥2的实部、虚部、瞬时幅度、瞬时相位、瞬时频率、频谱幅度、二次方谱、四次方谱、八次方谱::实部Rx(n)=Re[x(n)],其中Re[x(n)]表示取x(n)的实部,虚部Ix(n)=Im[x(n)],其中Im[x(n)]表示取x(n)的虚部,瞬时幅度瞬时相位其中actan(Ix(n)/Rx(n))表示计算Ix(n)/Rx(n)的反正切;瞬时频率频谱幅度其中表示计算的模;二次方谱四次方谱八次方谱5.如权利要求1所述的方法,其特征在于,所述训练信号通过仿真产生或通过...
【专利技术属性】
技术研发人员:郑仕链,朱佳伟,杨小牛,
申请(专利权)人:中国电子科技集团公司第三十六研究所,
类型:发明
国别省市:浙江,33
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。