一种混叠短波通信信号检测与识别方法技术

本发明专利技术公开了一种混叠短波通信信号检测与识别方法，包括：步骤1：对混叠短波通信信号做快速傅里叶变换得到其频谱，然后进行幅度归一化；步骤2：滑窗将窗口检测区对准数值为1的点即将信号载波中心包含在了窗口检测区，然后进行基带不变性操作，调整信号带宽；步骤3：保存滑窗内容：步骤4：基于深度学习模型进行分类识别：步骤5：绘制短波频段通信信号分布图。本发明专利技术不受信道频段先验知识限制、无需分离单个信号、信号中心频率识别精度可调、采用复数卷积神经网络对频谱分类识别准确率高、可检测识别与深度学习模型训练集信号分布不同的通信信号。

【技术实现步骤摘要】
一种混叠短波通信信号检测与识别方法
本专利技术属于通信信号检测与调制识别领域，本专利技术涉及一种混叠短波通信信号检测与识别方法
技术介绍
在通信信号检测与调制识别领域，混叠通信信号的多信号检测与调制识别具有非常重要和广泛的应用。混叠通信信号的多信号检测与调制识别主要分为在时域分离出单一信号波形再进行调制识别以及在频域分离出单一信号频谱再进行调制识别，需要注意的是无论哪种方法多信号分离的效果都会影响调制识别准确率。近年来许多专家学者针对混叠通信信号的多信号检测与调制识别提出了更高效、可靠的方法。2015年桂林电子科技大学及浙江宇视科技有限公司的肖海林等人公开了一种基于频谱感知与调制识别的联合干扰方法与系统(中国专利申请号：CN201510639826.7)，先把待检测的全频段分成若干个固定带宽的子频段，再控制中心通过改变射频接收机的直接数字频率合成器频率逐段处理各子频段信号，最后对每个子频段基带信号进行频谱感知和调制识别。该方法需要对信道频段有先验知识并人为划分子频段，还需要对不同子频段信号进行基带化处理，同时采用非深度学习算法的传统分类识别方法，对区分度小的多种调制方式通信信号分类识别准确率不高。2019年北京邮电大学冯志勇等人公开了一种混合信号的分类方法、装置及电子设备(中国专利申请号：CN201910328208.9)，通过预设的主成分分析法PCA对混合信号矩阵计算得到信号种类个数并根据信号种类个数确定分离矩阵，利用分离矩阵分离各类信号得到待识别信号，再输入分类模型得到调制识别结果。该方法需要先在时域分离多个信号，再对单个信号进行分类识别，且分离效果容易影响分类识别准确率。2020年海南大学陈真佳在其博士学位论文《海上电磁频谱感知与预测方法研究》中提出了基于射频I/Q分布特性的海上电磁频谱感知及调制识别方法，通过I/Q分量分布方法检测待检测频带信号，根据不同调制信号源具有不同I/Q分布的特点进行分类识别。该方法不能同时进行信号频谱检测及调制识别，需要在检测到频谱所有信号中心频率后滤波得到单一信号I/Q分量，再根据单一信号I/Q分布对其进行调制识别。
技术实现思路
针对上述现有技术，本专利技术要解决的技术问题是提供一种不受信道频段先验知识限制、无需分离单个信号、信号中心频率识别精度可调、调制识别准确率高、可同时进行信号检测与识别、可检测识别与深度学习模型训练集信号分布不同的通信信号的混叠短波通信信号检测与识别方法。为解决上述技术问题，本专利技术的一种混叠短波通信信号检测与识别方法，包括以下步骤：步骤1：对混叠短波通信信号做快速傅里叶变换得到其频谱，然后进行幅度归一化；步骤2：滑窗将窗口检测区对准数值为1的点即将信号载波中心包含在了窗口检测区，然后进行基带不变性操作，调整信号带宽；步骤3：保存滑窗内容：步骤4：基于深度学习模型进行分类识别：步骤5：绘制短波频段通信信号分布图。本专利技术还包括：1.步骤1中进行幅度归一化操作具体为：通过滑动检测识别窗口检测信号存在，当通信信号频谱中心在检测识别窗口中间时，以频谱绝对值最大值为分母对频谱进行除分母操作实现频谱的幅度归一化；完成一个信号的幅度归一化后继续滑动检测识别窗口完成下个信号的幅度归一化直到滑窗结束，调整待检测识别通信信号频谱幅度使其与深度学习模型训练集信号频谱幅度匹配。2.步骤2中进行基带不变性操作，调整信号带宽具体为：首先提取窗口内容极值点，计算极值点间隔平均值非零元素在向量中位置之差的平均值Interval2，取实际检测信号极值点间隔平均值Interval2与深度学习模型训练集极值点间隔平均值Interval1的比值A＝Interval2/Interval1，用A为参考以插值的方式调整实际信号基带宽度，调整完成后保留信号载波中心点数使之与基带不变性操作前窗口内容大小保持一致。3.步骤3中保存滑窗内容具体为：滑窗检测区感受到信号存在后保存窗口内容于变量signalSum(L,2,m)中，signalSum大小为(L，2,k)，L为窗口大小，m为检测到信号的个数，每检测到一个信号存在m加1。4.步骤4中深度学习模型为复数卷积神经网络，复数卷积网络多个样本输入形式为3维张量大小(L，2，k)，多个样本输出形式为2维张量大小为(n，k)，所述2维张量即为通信信号频谱检测分类识别的频域分类识别结果分布矩阵。5.步骤5中绘制短波频段通信信号分布图具体为：将分类识别结果分布矩阵(n，k)样本维度n沿水平方向，调制方式类型识别分类识别结果维度k沿竖直方向绘制，水平方向横轴刻度xaxis起始点设置为检测到第一个信号的载波中心频率f1，终点设置为检测到最后一个信号的载波中心f2，横轴刻度间隔为(f1―f2)/k，k为滑窗内容总个数。和现有技术相比，本专利技术的有益效果是：1.采用在短波频段滑动检测识别窗口的方式实现对所有通信信号的检测，不受信道频段先验知识限制；2.无需将混合信号分离成多个单一信号再做调制识别，可直接根据频谱特征做调制识别；3.通过幅度归一化及信号带宽调整调整待检测识别信号幅度及带宽，使复数卷积神经网络可以识别与训练集分布不同的通信信号；4.采用可挖掘深层次特征的复数卷积神经网络直接对信号频谱进行分类识别，无需将原信号转换为如时频图、星座图等更为复杂的特征图；5.检测识别窗口检测到信号存在后即可将窗口内容输入复数卷积神经网络，可同时进行信号检测及调制识别。信号中心频率识别精度可调、采用复数卷积神经网络对频谱分类识别准确率高、可检测识别与深度学习模型训练集信号分布不同的通信信号。附图说明图1是混叠短波通信信号检测与识别方法流程图；图2是滑动检测识别窗口检测识别短波通信信号示意图；图3是短波通信信号快速傅里叶变换及幅度归一化流程图；图4是短波通信信号带宽调整流程图；图5是短波通信信号调制识别流程图；图6是短波频段通信信号分布图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述。结合图1，本专利技术的一种混叠短波通信信号检测与识别方法，包括快速傅里叶变换及幅度归一化、信号带宽调整、保存滑窗内容、基于深度学习模型进行分类识别、绘制短波频段通信信号分布图。快速傅里叶变换得到混叠短波通信信号频谱然后基于频谱实现多信号检测与调制识别，幅度归一化与信号带宽调整分别调整待检测识别通信信号频谱幅度与带宽使其与深度学习模型训练集信号频谱幅度与带宽匹配、提升检测识别准确率，保存滑窗内容再统一输入深度学习模型输出所有滑窗内容的分类识别结果即行数为可分类调制方式个数列数为滑窗总个数、每一行记录当前调制方式在不同频点检测结果每一列记录当前频点不同调制方式检测结果的矩阵，绘制矩阵设置幅度刻度频率刻度得到短波频段通信信号分布图。通过在短波频段滑动检测识别窗口的方式完成所有通信信号的检测，再进行幅度归一化、基带不变性调整以及调制识别。当通信信号频谱中心在检测识别窗口中间时开始幅度归一化，以频本文档来自技高网...

【技术保护点】
1.一种混叠短波通信信号检测与识别方法，其特征在于，包括以下步骤：/n步骤1：对混叠短波通信信号做快速傅里叶变换得到其频谱，然后进行幅度归一化；/n步骤2：滑窗将窗口检测区对准数值为1的点即将信号载波中心包含在了窗口检测区，然后进行基带不变性操作，调整信号带宽；/n步骤3：保存滑窗内容：/n步骤4：基于深度学习模型进行分类识别：/n步骤5：绘制短波频段通信信号分布图。/n

【技术特征摘要】
1.一种混叠短波通信信号检测与识别方法，其特征在于，包括以下步骤：
步骤1：对混叠短波通信信号做快速傅里叶变换得到其频谱，然后进行幅度归一化；
步骤2：滑窗将窗口检测区对准数值为1的点即将信号载波中心包含在了窗口检测区，然后进行基带不变性操作，调整信号带宽；
步骤3：保存滑窗内容：
步骤4：基于深度学习模型进行分类识别：
步骤5：绘制短波频段通信信号分布图。


2.根据权利要求1所述的一种混叠短波通信信号检测与识别方法，其特征在于：步骤1所述进行幅度归一化操作具体为：
通过滑动检测识别窗口检测信号存在，当通信信号频谱中心在检测识别窗口中间时，以频谱绝对值最大值为分母对频谱进行除分母操作实现频谱的幅度归一化；完成一个信号的幅度归一化后继续滑动检测识别窗口完成下个信号的幅度归一化直到滑窗结束，调整待检测识别通信信号频谱幅度使其与深度学习模型训练集信号频谱幅度匹配。


3.根据权利要求1或2所述的一种混叠短波通信信号检测与识别方法，其特征在于：步骤2所述进行基带不变性操作，调整信号带宽具体为：首先提取窗口内容极值点，计算极值点间隔平均值非零元素在向量中位置之差的平均值Interval2，取实际检测信号极值点间隔平均值Interval2与深度学习模型训练集极值点间隔平均值Interval1的比值A＝Inte...

【专利技术属性】
技术研发人员：侯长波，周志超，刘国威，郭强，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23