一种基于双流融合CNN-BiLSTM网络的调制信号识别方法技术

一种基于双流融合CNN

【技术实现步骤摘要】
一种基于双流融合CNN
‑
BiLSTM网络的调制信号识别方法


[0001]本专利技术涉及一种信号调制识别分类，尤其涉及一种基于双流融合CNN
‑
BiLSTM网络的调制信号识别方法。

技术介绍

[0002]随着通信技术、电子技术以及信号处理技术的快速发展，通信信号的新调制方式不断涌现，调制信号的种类越来越多，通信环境日益复杂。通信信号调制识别分类是指对无先验知识的接收信号进行分析处理后判断出信号的调制类型，作为信号检测与解调之间的重要环节，常被用于频谱资源管理、干扰非法电台、电子反对抗等民用和军用领域。
[0003]传统通信信号的调试方式识别主要分为基于似然(LB)的方法和基于特征(FB)的方法。基于似然方法的通信信号调制方式识别，等价于多重复合假设检验问题，对不同的调制方式做不同的假设，计算不同假设下接收信号的似然函数，然后将其值与一个预定义的阈值比较，以获得接收信号的可能类别。尽管基于似然方法在贝叶斯意义上是最优的，但它们通常伴随着相当大的计算复杂性或需要完整的先验知识以及对未知信道条件场景的敏感性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双流融合CNN
‑
BiLSTM网络的调制信号识别方法，其特征在于，所述方法包括以下步骤：步骤1：准备数据集；步骤2：数据预处理，将信号转换为时间同相/正交(I/Q)格式和幅度/相位(A/P)表示，形成两个数据集；步骤3：搭建双流融合CNN
‑
BiLSTM网络结构，设置网络基本参数；步骤4：训练模型，将训练集输入到双流融合CNN
‑
BiLSTM网络中进行训练；步骤5：将测试集输入到训练好的双流融合CNN
‑
BiLSTM网络结构中，自动识别调制信号的类型，输出信号识别的准确度。2.根据权利要求1所述的基于双流融合CNN
‑
BiLSTM网络的调制信号识别方法，其特征在于，所述步骤1中，所述的数据集是使用GNU Radio综合生成的公共可用数据集RadioML2016.10a，包括训练数据和测试数据，其类型包含BPSK、QPSK、8PSK、16QAM、64QAM、BFSK、CPFSK和PAM48种数字调制和WB
‑
FM、AM
‑
SSB和AM
‑
DSB3种模拟调制信号。3.根据权利要求1或2所述的基于双流融合CNN
‑
BiLSTM网络的调制信号识别方法，其特征在于，所述步骤2中，所述数据预处理的过程为：(2.1)调制信号是一种I/Q信号，由I路和Q路两组序列组成，首先将其转换为I/Q向量；其中其中j表示数据集的样本数，最大值为220000，N表示采样点数，最大值为128；(2.2)计算幅度和相位向量：(2.2)计算幅度和相位向量：(2.3)构建AP数据集，由幅度分量和相位分量组成并转换为A/P向量：其中其中表示数据集堂本数，最大值为220000，N表示采样点数，最大值为128。4.根据权利要求3所述的基于双流融合...

【专利技术属性】
技术研发人员：龚树凤，闫鑫悦，施汉银，吴哲夫，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：