一种通信信号调制识别的自动神经网络结构搜索方法技术

一种通信信号调制识别的自动神经网络结构搜索方法，减少网络结构搜索方法对计算资源的消耗，摆脱对大规模高性能计算设备的依赖，实现轻量化的网络结构模型生成以及在便携式设备的部署，可用于便携式设装备端通信信号识别应用软件的部署与开发，服网络结构搜索模型大、在移动或便携式设备部署难的问题，从算法层面探索网络结构搜索在边缘设备中的应用。

【技术实现步骤摘要】
一种通信信号调制识别的自动神经网络结构搜索方法
本专利技术涉及一种通信信号调制识别的自动神经网络结构搜索方法，属于电磁信号特征识别

技术介绍
为了对电磁环境的特性进行综合认知和感知，需要对电磁环境的信号特征进行识别和表示，从而认清电磁环境的本质特征，对电磁环境特性加以利用。目前，在对电磁环境中的通信信号的调制方式进行识别时，通常采用采用基于大量专家经验的高性能网络结构搜索方法。虽然目前基于专家经验的高性能网络结构搜索方法对通信信号的调制方式能够达到较高的识别精度，但是该种搜索算法通常需要基于大规模高性能计算设备，难以在便携式设备部署和运行。
技术实现思路
本专利技术解决的技术问题是：针对目前现有技术中，传统高性能网络结构搜索方法通常需要大规模高性能计算设备，难以在便携式设备部署和运行的问题，提出了一种通信信号调制识别的自动神经网络结构搜索方法。本专利技术解决上述技术问题是通过如下技术方案予以实现的：一种通信信号调制识别的自动神经网络结构搜索方法，步骤如下：(1)进行通信信号调制识别的数据准备本文档来自技高网...

【技术保护点】
1.一种通信信号调制识别的自动神经网络结构搜索方法，其特征在于步骤如下：/n(1)进行通信信号调制识别的数据准备；/n(2)构建残差卷积神经网络结构模型；/n(3)将接收的通信信号按指定数量码元按序排列为码元图像，将通信信号转化为调制样式纹理图像，并采用残差卷积神经网络结构模型于水平方向及垂直方向对调制方式进行识别；/n(4)将残差卷积神经网络模型分解为卷积单元及缩减单元串联结构，建立搜索空间并进行串联结构微搜索；/n(5)对微搜索的串联结构进行预测，并通过学习结合控制器将串联结构表示为数字，采用长短期记忆输出采样子网络作为残差卷积神经网络结构模型的子网络以确定搜索策略。/n

【技术特征摘要】
1.一种通信信号调制识别的自动神经网络结构搜索方法，其特征在于步骤如下：
(1)进行通信信号调制识别的数据准备；
(2)构建残差卷积神经网络结构模型；
(3)将接收的通信信号按指定数量码元按序排列为码元图像，将通信信号转化为调制样式纹理图像，并采用残差卷积神经网络结构模型于水平方向及垂直方向对调制方式进行识别；
(4)将残差卷积神经网络模型分解为卷积单元及缩减单元串联结构，建立搜索空间并进行串联结构微搜索；
(5)对微搜索的串联结构进行预测，并通过学习结合控制器将串联结构表示为数字，采用长短期记忆输出采样子网络作为残差卷积神经网络结构模型的子网络以确定搜索策略。


2.根据权利要求1所述的一种通信信...

【专利技术属性】
技术研发人员：方宇强，宋万均，陈维高，霍俞蓉，马志昊，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：北京;11