基于复数卷积模块的多特征自动调制识别方法技术

本发明专利技术涉及基于复数卷积模块的多特征自动调制识别方法，属于通信数据处理技术领域，融合了信号多个维度的特征，充分提取信号的复数域特征，取得了优异的识别结果。具体来说，对信号进行预处理表示为I/Q向量和振幅/相位A/p向量的双流结构，然后用复数卷积模块提取实部虚部之间的关联信息，接着使用LSTM提取其时间上丰富的特征，充分利用复数卷积模块在空间特征提取上和LSTM模块在处理时间序列数据上的优势。同时，多特征综合融合的引入使得不同特征相互作用，进一步提高了调制识别准确率。经实验验证，本文提出的模型相较于目前其他的主流方法具有更高的识别准确率，尤其在低信噪比、相似调制方式下的识别准确率提升显著。比、相似调制方式下的识别准确率提升显著。比、相似调制方式下的识别准确率提升显著。

【技术实现步骤摘要】
基于复数卷积模块的多特征自动调制识别方法


[0001]本专利技术属于通信信号处理
，具体涉及基于复数卷积模块的多特征自动调制识别方法。

技术介绍

[0002]自动调制识别，也称自动调制分类，目前已经成为许多军事和民事应用中的重要技术。自动调制识别是通过对接收信号进行分析，识别出信号的调制方式。目前的自动调制识别技术可以分为两类，即基于决策理论的识别方法和基于特征提取的识别方法。前者解决了基于贝叶斯决策理论的调制识别问题，通过最小化错误分类概率可以实现最优性能。然而，这种方法需要大量的计算才能获得先验知识，难以在实际情况下使用。因此，基于特征提取的模式识别方法应用更为广泛。
[0003]基于特征提取的识别方法通过提取信号的关键特征，通过机器学习分类器对信号进行分类，使用不同的分类器以提高分类准确率，包括决策树、支持向量机、人工神经网络等。此方法具有更低的计算复杂度，并且易于实现，是目前的研究热点。
[0004]近年来，随着深度学习的不断发展，神经网络模型被广泛应用于计算机视觉、自然语言处理等多领域。Tim O
’...

【技术保护点】

【技术特征摘要】
1.基于复数卷积模块的多特征自动调制识别方法，其特征在于，包括以下步骤：S1：建立复数卷积模块，所述复数卷积模块用于提取信号的复数特征；S2：在步骤S1的基础上，通过所述复数卷积模块将信号的I/Q向量特征与A/P向量特征进行融合；S3：在步骤S2的基础上，建立多特征自动调制识别模型，使用基于复数卷积模块的CNN
‑
LSTM提取信号的复数特征和时间空间特征，并融合两路特征进行信号分类。2.如权利要求1所述的基于复数卷积模块的多特征自动调制识别方法，其特征在于，步骤S1具体如下：信号以复数形式来表示，分解为同相分量和正交分量，即得到I/Q两路信号，其中I分量和Q分量分别对应复数坐标系当中的实数轴和虚数轴，即x＝I+Q
×
j；I/Q分量被表示为矩阵s，实数卷积核表示为矩阵k；卷积操作用来表示；相应地，提出复数I/Q矩阵s
c
，和复数卷积核k
c
，其卷积操作用来表示；3.如权利要求2所述的基于复数卷积模块的多特征自动调制识别方法，其特征在于，复数卷积模块对经过特定的数学运算后能等效操作，其步骤如下：S11：对s矩阵进行预处理，进行翻转和补零操作，得到新矩阵s
′
；S12：进行卷积操作得到下图矩阵，记为s
″
；S13：s
″
右乘如下常数矩阵，得到二维形式的结果；4.如权利要求3所述的基于复数卷积模块的多特征自动调制识别方法，其特征在于，步骤S2...

【专利技术属性】
技术研发人员：李小平，白晶，
申请(专利权)人：白晶，
类型：发明
国别省市：