基于循环神经网络的水声通信信号调制模式识别方法技术

本发明专利技术提供的是一种基于循环神经网络的水声通信信号调制模式识别方法。获取水声通信信号仿真数据或实测数据，分为训练集和测试集；对每个信号数据进行采样，进行标准化及归一化处理；分别对训练集和测试集的数据样本提取瞬时频率特征和谱熵特征；对训练集和测试集数据样本标注标签；建立Bi‑LSTM循环神经网络模型并设置参数；将训练集输入到网络模型中，训练达到最优的训练网络参数；将深度学习循环神经网络的输入切换为测试集，验证网络自动化识别。本发明专利技术采用水声通信信号具有时序性的特征，通过可以处理时序输入序列的Bi‑LSTM循环神经网络，训练得到适用于水下通信信号的网络，该网络对非合作水声通信信号有较高的识别率。

Modulation pattern recognition of underwater acoustic communication signal based on cyclic neural network

【技术实现步骤摘要】
基于循环神经网络的水声通信信号调制模式识别方法
本专利技术涉及的是一种水声信号处理方法，确切地说是一种基于循环神经网络(RNN)的非合作水声通信信号调制模式识别方法。
技术介绍
识别非合作水声通信信号的调制模式，面临信噪比低、无先验信息、分类器设计复杂、人工识别准确率低等困难。基于最大似然比假设检验的模式识别方法，需要已知先验信息，不适用于非合作水声通信信号；基于特征提取的模式识别方法存在特征维度较低导致分类效果不明显的问题；现有的一些基于深度学习的模式识别方法多为无线电领域应用，没有充分利用水声通信信号的时序性特征或者网络架构参数不适用于非合作水声通信信号而识别效果不佳。
技术实现思路
本专利技术的目的在于提供一种对非合作水声通信信号有较高的识别率，可实现自动化识别的基于循环神经网络的水声通信信号调制模式识别方法。本专利技术的目的是这样实现的：步骤一：获取不同调制方式的水声通信信号仿真或实测数据，分为训练集和测试集；步骤二：分别对训练集和测试集的每个信号数据进行采样，并进行标准化及归一化处理；...

【技术保护点】
1.一种基于循环神经网络的水声通信信号调制模式识别方法，其特征是：/n步骤一：获取不同调制方式的水声通信信号仿真或实测数据，分为训练集和测试集；/n步骤二：分别对训练集和测试集的每个信号数据进行采样，并进行标准化及归一化处理；/n步骤三：分别对训练集和测试集的数据样本提取瞬时频率特征和谱熵特征；/n步骤四：分别对训练集和测试集数据样本标注标签；/n步骤五：建立Bi-LSTM循环神经网络模型,设置Bi-LSTM循环神经网络参数；/n步骤六：将划分好的训练集输入到建立的网络模型中，依据梯度下降法，调整权重,损失函数值趋于稳定时，达到最优的训练网络参数；/n步骤七：将深度学习循环神经网络的输入切换为...

【技术特征摘要】
1.一种基于循环神经网络的水声通信信号调制模式识别方法，其特征是：
步骤一：获取不同调制方式的水声通信信号仿真或实测数据，分为训练集和测试集；
步骤二：分别对训练集和测试集的每个信号数据进行采样，并进行标准化及归一化处理；
步骤三：分别对训练集和测试集的数据样本提取瞬时频率特征和谱熵特征；
步骤四：分别对训练集和测试集数据样本标注标签；
步骤五：建立Bi-LSTM循环神经网络模型,设置Bi-LSTM循环神经网络参数；
步骤六：将划分好的训练集输入到建立的网络模型中，依据梯度下降法，调整权重,损失函数值趋于稳定时，达到最优的训练网络参数；
步骤七：将...

【专利技术属性】
技术研发人员：李理，于雪松，顾师嘉，韩笑，殷敬伟，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23