一种基于注意力机制与多特征融合的自动调制识别方法技术

本发明专利技术公开了一种基于注意力机制与多特征融合的自动调制识别方法，该方法将信号三流输入网络，使用CNN和LSTM提取空间特征与时序特征，并通过注意力机制与高斯噪声微调特征向量，最后使用全连接层实现调制分类。本发明专利技术将公开数据集的数据进行信号预处理；构建基于注意力机制与多特征融合的自动调制识别网络；实时采集IQ数据，并数据预处理后送入网络识别调制方式。本发明专利技术充分考虑了不同网络之间的互补性以及不同信号表示反映的多种特征，利用CNN和LSTM的组合结构提取信号空间上和时间上的相关特征，提高了调制识别的精度，能够很好地运用到非合作通信系统中。运用到非合作通信系统中。运用到非合作通信系统中。

【技术实现步骤摘要】
一种基于注意力机制与多特征融合的自动调制识别方法


[0001]本专利技术属于通信信号处理和人工智能领域，具体涉及一种基于注意力机制与多特征融合的自动调制识别方法。

技术介绍

[0002]调制识别技术是无线通信领域中一项非常关键的技术，识别无线通信信号的调制方式是非协作通信、电子对抗、智能天线、软件无线电以及无线频谱管理等领域中的基础技术，因此该项技术在军用领域和民用领域都有十分广泛的应用和非常重要的意义。在军事领域，电子信息战作为新战场。在战场上截获敌方的通信信号之后，使用调制解调技术可以直接获取对方的通信内容，并且可以使用电子对抗技术对对方通信系统发起攻击，通信信号调制识别技术在其中起到基础性的作用，也是目前各国非常关注的领域。在民用领域，随着人们对信息传输的需求愈来愈高，信号的频谱资源也愈发稀缺，对于无线电频段的管理也越来越严格。调制识别技术可应用于认知无线电领域，对信号进行参数估计和解调，从而有效避免无线电干扰，并且对信号频谱进行优化，实现更加可靠和智能的无线电系统。
[0003]目前电磁环境日趋复杂，在非合作通信中实现信号调制识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制与多特征融合的自动调制识别方法，其特征在于，包括如下步骤：步骤1：引入多组IQ数据，将每组IQ数据通过I
‑
Q分解方法得到每组I分量、每组Q分量,将每组IQ数据使用IQ与AP转换公式将IQ数据转换得到AP数据，通过每组IQ数据、每组AP数据、每组I分量、每组Q分量构建每组样本，人工标注训练集中每组样本的调整方式类别；步骤2：构建注意力机制与多特征融合网络，将每组样本依次输入至注意力机制与多特征融合网络进行预测，得到每组样本的预测调整方式类别，结合每组样本的调整方式类别构建损失函数模型，通过Adam算法优化训练得到优化后注意力机制与多特征融合网络；步骤3：实时采集IQ数据，将实时采集的IQ数据通过I
‑
Q分解方法得到实时I分量、实时Q分量，将实时采集的IQ数据、实时I分量、实时Q分量通过化后注意力机制与多特征融合网络进行预测得到实时采集的IQ数据的调制方式类别。2.根据权利要求1所述的基于注意力机制与多特征融合的自动调制识别方法，其特征在于，步骤1所述将每组IQ数据通过I
‑
Q分解方法得到每组I分量、每组Q分量为：Q分解方法得到每组I分量、每组Q分量为：其中，为第k组AP数据，为第k组AP数据的A分量转置，为第k组AP数据的P分量转置，为第k组IQ数据，为第k组IQ数据的I分量转置，为第k组IQ数据的Q分量转置步骤1所述将每组IQ数据使用IQ与AP转换公式将IQ数据转换得到AP数据为：其中，为第k组AP数据的A分量，为第k组AP数据的P分量，为第k组IQ数据的I分量，为第k组IQ数据的Q分量步骤1所述多组IQ数据，定义为：步骤1所述多组IQ数据，定义为：表示第k组IQ数据,K表示总样本数；步骤1所述多组AP数据，定义为：步骤1所述多组AP数据，定义为：表示第k组AP数据，,K表示总样本数；步骤1所述每组I分量，定义为：步骤1所述每组I分量，定义为：表示第k组I分量，,K表示总样本数；步骤1所述每组Q分量，定义为：步骤1所述每组Q分量，定义为：表示第k组Q分量，,K表示总样本数；
步骤1所述每组样本为：Data
k
表示第k组样本，,K表示总样本数；步骤1所述每组样本的调整方式类别为：y
k
,k∈[1,K]c∈[1,C]y
k
＝[y
k，1
，
…
，y
k，c
]其中，y
k
表示第k组样本的标签分布，K表示总样本数，C为总标签数量；所述y
k
为onehot编码的样本的标签分布；y
k，c
表示第k组样本是否属于第c种标签，c∈[1,C]，如果第k组样本属于标签第c种标签，则y
k，c
＝1，否则y
k，c
＝0。3.根据权利要求1所述的基于注意力机制与多特征融合的自动调制识别方法，其特征在于，步骤2所述注意力机制与多特征融合网络包括：CNN模块、LSTM模块、特征融合模块、注意力机模块、分类器模块；所述CNN模块，将第k组样本传入所述CNN模块，对原始的数据进行二维卷积得到IQ特征向量A
k
,对原始...

【专利技术属性】
技术研发人员：刘新华，舒细兵，旷海兰，马小林，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：