一种基于卷积神经网络的盲信号调制类型识别方法技术

本发明专利技术提供一种基于卷积神经网络的盲信号调制类型识别方法，其使用三个不同采样率计算出的相位差分直方图和一个幅度直方图作为信号特征参数，通过卷积神经网络分类器对信号特征参数进行分类，从而获得信号调制类型，由于相位差分直方图的纹理对频偏和不准确带宽不敏感，使得本方法对频偏和不精确带宽具有强壮的免疫力，适用于复杂电磁环境中的盲信号调制类型识别。制类型识别。制类型识别。

【技术实现步骤摘要】
一种基于卷积神经网络的盲信号调制类型识别方法


[0001]本专利技术属于无线电通信领域，具体涉及一种基于卷积神经网络的盲信号调制类型识别方法。

技术介绍

[0002]在无线电信号监测领域，调制识别技术更多面对的是盲信号识别，即信号载频未知，信号带宽未知，信号符号率未知的情况。在复杂电磁环境中，准确测量盲信号的载频和带宽是一件困难的事情。从工程实用性的视点，需要调制识别技术具备频偏和不准确带宽的免疫能力。在使用一些著名生产商提供的调制识别产品时，面对一个盲信号，操作人员往往不得不使用几组载频和带宽分别进行识别，以确认识别结果的可信性。
[0003]传统的基于瞬时参数和高阶累积量的调制类型识别方法中，其特征参数对接收机频偏和滤波器带宽较为敏感，在实际工程中的表现难以满足应用需求。在基于星座图的调制类型识别方法中，需要获取精确的信号符号率并对采样数据进行采样率变换，除了计算开销大之外，在低载噪比条件下往往不能获得精确符号率，使其应用受到限制。在使用卷积神经网络的调制类型识别算法中，往往通过仿真手段生成训练数据集，这些数据集的先天特点是无频偏的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的盲信号调制类型识别方法，其特征在于，包括：S1、射频接收机以采样率F
S
采集时域0中频复信号IQ流，将IQ流分割为采样数为M
BLK
的IQ块S
BLK
，计算IQ块S
BLK
的快速傅里叶变换幅度谱，根据幅度谱估计信号带宽，使用截止频率为的低通滤波器对IQ块S
BLK
执行滤波，获得滤波后IQ块；S2、根据采样率F
S
和信号带宽估值计算三个IQ数据抽取因子E4、E2和E1；S3、根据抽取因子E4、E2和E1计算信号相位差分直方图和幅度直方图；S4、在卷积神经网络分类器模型训练阶段，改变信号源调制类型、载噪比、符号率以及载波频偏，计算并记录S3所述相位差分直方图和幅度直方图，作为训练和验证数据集，用于训练卷积神经网络分类器模型；S5、在卷积神经网络分类器模型应用阶段，针对待识别信号，计算S3所述相位差分直方图和幅度直方图，使用卷积神经网络分类器模型识别信号的调制类型。2.根据权利要求1所述一种基于卷积神经网络的盲信号调制类型识别方法，其特征在于，S2所述抽取因子E4、E2和E1的具体计算步骤如下：，，。3.根据权利要求1所述一种基于卷积神经网络的盲信号调制类型识别方法，其特征在于，S3所述相位差分直方图和幅度直方图具体计算步骤如下：S31、使用抽取因子E4、E2和E1分别对IQ块S
BLK
进行整数抽取，获得三个降采样率IQ块S
BLK4
、S
BLK2
、和S
BLK1
；S32、对于降采样率IQ块S
BLK4
、S
BLK2
、和S
BLK1
，分别计算其相位阵列S
p4
、S
p2
和S
p1
，计算相位差分阵列S
pd4
、S
pd2
和S
pd1
，其中，S
pd4
...

【专利技术属性】
技术研发人员：杜鸿，文成玉，夏金森，代茂，王金霞，何再芝，熊航，廖聪慧，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：