一种基于循环神经网络的信道编码类型盲识别方法技术

本发明专利技术公开了一种基于循环神经网络的信道编码类型盲识别方法，属于无线通信领域。本发明专利技术通过充分利用循环神经网络来提取接收到的相关序列的特征，在复杂的通信环境下对序列的识别实现了较高的准确率，对不同的信道编码方式同样有很好的识别率；在识别处理时，通过将一长串的序列进行分割，分段进行识别，最后采用少数服从多数的原则对序列做最后的判决，从而可较大幅度地提高识别的准确率，特别是接收序列越长，识别的准确率也会相应得越高。由于本发明专利技术采用自动提取相关序列特征的网络模型，避免了现有技术中需要人工提取特征这一繁琐过程，大大节省人力成本，简化了特征提取的步骤，提高了对编码序列识别的准确率。

【技术实现步骤摘要】
一种基于循环神经网络的信道编码类型盲识别方法
本专利技术属于无线通信领域，具体涉及基于循环神经网络的信道编码类型识别。
技术介绍
无线通信的最大特点是传输信道的开放性，信道干扰无处不在，这就需要发送的序列有一定的纠错能力。1948年，香农首次建立了信道编码理论，其指出当采用小于信道容量的传输速率时，能够实现以任意小的错误概率进行传输。信道编码识别分析首要应用的场景是在非合作的侦察通信中。在这种情况下，接收方很难预先获得关于信道编码的相关信息，所以通常需要对接收到的编码序列进行一定的分析来获取到这些信息。在通信对抗领域中，想要获得截获的序列中的信息，就需要先对信道编码种类进行识别，否则就无法继续对编码参数分析进而得到其中的信息比特。所以，能够正确识别信道编码种类对于实施通信干扰和网络攻击也是非常有意义的。目前国内外公开发表的进行编码识别的专著极少，在仅有的一些资料中，都是假定已知编码方式进而识别编码参数，对编码方式的识别仅集中于对一些常见的线性分组码，卷积码等，对于现代通信系统中常用的Turbo码、LDPC码以及最新设计出的Polar码却鲜有提及。文献《GiardP,Alexios,B本文档来自技高网...

【技术保护点】
1.一种基于循环神经网络的信道编码类型盲识别方法，其特征在于，包括下列步骤：步骤1：构建识别信道编码类型的循环神经网络模型：步骤101：构建循环神经网络的训练样本，包括生成待识别的信道编码序列作为训练网络的正样本，生成非待识别序列作为网络训练的负样本；其中非待识别序列为不同于待识别的信道编码序列的其他信道编码序列、不进行编码的序列和不含有信息的纯噪声序列；所述信道编码序列为：采用不同的码长、码率生成首尾相接的码字，再进行数字调制处理后，得到对应的信道编码序列；对每段信道编码序列，在[1,N]的范围里等概率地选取一个整数作为一段接收序列的起点，基于起点，向后截取长度为l的序列，得到对应当前信道编...

【技术特征摘要】
1.一种基于循环神经网络的信道编码类型盲识别方法，其特征在于，包括下列步骤：步骤1：构建识别信道编码类型的循环神经网络模型：步骤101：构建循环神经网络的训练样本，包括生成待识别的信道编码序列作为训练网络的正样本，生成非待识别序列作为网络训练的负样本；其中非待识别序列为不同于待识别的信道编码序列的其他信道编码序列、不进行编码的序列和不含有信息的纯噪声序列；所述信道编码序列为：采用不同的码长、码率生成首尾相接的码字，再进行数字调制处理后，得到对应的信道编码序列；对每段信道编码序列，在[1,N]的范围里等概率地选取一个整数作为一段接收序列的起点，基于起点，向后截取长度为l的序列，得到对应当前信道编码序列的接收序列，并在给定的信噪比范围内，在得到的每段接收序列中加入高斯噪声，作为一个训练样本，其中N为码长，l选取需要保证截取的接收序列中至少含有一个完整的码字；步骤102：将步骤101构建的训练样本随机分为两部分，一部分用于训练循环神经网络，调整网络参数；一部分用于在训练过程中调整网络超参数；步骤103：构建及训练循环神经网络模型：所述循环神经网络模型包括输入层、包括注意力机制的激活层、全连接层和输出层；其中，输入层的输入向量为将每个训练样本分割为长度为b的子序列段，用t表示当前时刻，则对于单个训练样本，当前时刻的输入向量记为xt，即xt的维度为b×1；包括注意力机制的激活层的基本单元为门控循环单元，对于每个输入向量xt，其在每个时刻的输出状态ht为：其...

【专利技术属性】
技术研发人员：黄川，沈博潇，吴弘毅，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51