一种基于LGTransformer的通信信号调制识别方法技术

本发明专利技术公开了一种基于LGTransformer的通信信号调制识别方法，涉及通信信号调制识别领域，其包括以下步骤：对通信调制信号进行采样，得到IQ序列；将IQ序列转化成幅度/相位序列；构建LGTransformer模型；对LGTransformer模型进行分类训练，得到训练后的LGTransformer模型；采用训练后的LGTransformer模型对目标AP序列进行分类识别。本方法具有记忆功能，能够有效地挖掘出通信信号数据中的时序信息，拟合精度高、稳定性高，能够更加全面地提取通信信号的特征，并且能够通过并行计算提升模型的计算效率，有效地提高通信信号的调制识别效果。有效地提高通信信号的调制识别效果。有效地提高通信信号的调制识别效果。

【技术实现步骤摘要】
一种基于LGTransformer的通信信号调制识别方法


[0001]本专利技术涉及通信信号调制识别领域，具体涉及一种基于LGTransformer的通信信号调制识别方法。

技术介绍

[0002]在实际通信场合中，非合作通信占领了主要地位，例如频谱的检测和管理、电子对抗等都属于非合作通信。在非合作通信中，接收端想要获取信号中包含的信息，就必须对信号进行调制识别，并进一步完成信号解调。因此信号的调制识别技术在频谱感知、频谱管理、电子对抗战等领域中发挥着重要的作用。
[0003]目前常用的调制识别方法主要分为两类，即基于似然（LB）的调制识别算法和基于特征（FB）的调制识别算法。基于似然的调制识别方法需要获取信号的先验信息（例如频偏、码率等），还需要构建似然函数。该方法建模复杂，计算量极大，不适用于当前日益复杂的通信系统。基于特征的调制识别算法需要人工提取信号的特征（如高阶累积量、循环谱等），该方法与特征的好坏程度有关，泛化能力弱，同样不适用于当前的通信系统。
[0004]深度学习能够直接从大量数据中获取特征，并高效准确地完成分类，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LGTransformer的通信信号调制识别方法，其特征在于，包括以下步骤：S1、对通信调制信号进行采样，得到IQ序列；S2、将IQ序列转化成幅度/相位序列，即AP序列；S3、将输入层、两个LSTM网络、两个GRU网络、一个Transformer
‑
Encoder网络、一个全局池化层、两个全连接层和一个softmax层进行串联，得到LGTransformer模型；S4、将已知调制类别的AP序列作为训练数据对LGTransformer模型进行分类训练，得到训练后的LGTransformer模型；S5、采用训练后的LGTransformer模型对目标AP序列进行分类识别。2.根据权利要求1所述的基于LGTransformer的通信信号调制识别方法，其特征在于，t时刻的LSTM网络将AP序列、t
‑
1时刻的LSTM网络输出的细胞状态和t
‑
1时刻的LSTM网络输出的隐藏层状态作为其输入，LSTM网络在最后一个时刻输出的隐藏层状态为其最终输出；t时刻的LSTM网络的细胞状态和隐藏层状态的计算表达式为：其中、、和均为权重；、、和均为偏置；为时刻LSTM网络的遗忘门；为t时刻LSTM网络的输入门；为t时刻LSTM网络的细胞状态候选值；为t时刻LSTM网络的输出门；为t
‑
1时刻LSTM网络的细胞状态；为t
‑
1时刻LSTM网络的隐藏层状态；X为输入的AP序列；表示sigmoid函数；LSTM网络最终输出维度为（None，128，128），其中None指一次训练所抓取的样本数量，第一个128指信号的时间步长，第二个128指输出的维度。3.根据权利要求2所述的基于LGTransformer的通信信号调制识别方法，其特征在于，时刻的GRU网络...

【专利技术属性】
技术研发人员：骆忠强，肖文诗，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：