一种基于迁移学习的调制识别系统技术方案

本发明专利技术公开一种基于迁移学习的调制识别系统，包括，调制信号数据集制作模块、算法网络模型选取和训练模块及识别性能测试模块两两之间相互连接；所述调制信号数据集制作模块用于生成源域及目标域调制信号数据集；所述算法网络模型选取和训练模块用于根据应用场景选取算法网络模型，并基于源域调制信号数据集对算法网络模型进行训练；所述识别性能测试模块基于目标域调制信号数据集对训练后的算法网络模型进行识别性能测试，通过测试后的算法网络模型进行电子侦察中的调制识别。络模型进行电子侦察中的调制识别。络模型进行电子侦察中的调制识别。

【技术实现步骤摘要】
一种基于迁移学习的调制识别系统


[0001]本专利技术涉及信号识别
，特别涉及基于迁移学习的调制识别系统。

技术介绍

[0002]电子侦察中对于智能调制信号识别中，获取的样本较少，其样本无法支撑智能识别网络模型的训练，导致无法有效做到电子侦察中的智能调制信号识别。同时为了解决训练样本少的问题，可通过使用源域及目标域的迁移学习方法来解决上述问题，但是其调制训练数据(源域)和测试数据(目标域)来自不同数据分布会导致预先训练的深度神经网络模型失配，系统性能急剧恶化，可通过不同的算法网络模型以解决上述问题的情况。但是其算法网络模型只存在理论阶段，未提供一种成型的产品来应用于电子侦察中对于智能调制信号识别。所以亟需一种能够有效应用于电子侦察中对于智能调制信号识别的系统。

技术实现思路

[0003]为解决上述现有技术中所存在的问题，本专利技术提供一种基于迁移学习的调制识别系统，能够满足实际电子侦察中对于智能调制识别的准确度。
[0004]为了实现上述技术目的，本专利技术提供了如下技术方案：
[0005]一种基于迁移学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的调制识别系统，其特征在于，包括：调制信号数据集制作模块、算法网络模型选取和训练模块及识别性能测试模块；其中调制信号数据集制作模块、算法网络模型选取和训练模块及识别性能测试模块两两之间相互连接；所述调制信号数据集制作模块用于生成源域及目标域调制信号数据集；所述算法网络模型选取和训练模块用于根据应用场景选取算法网络模型，并基于源域调制信号数据集对算法网络模型进行训练；所述识别性能测试模块基于目标域调制信号数据集对训练后的算法网络模型进行识别性能测试，通过测试后的算法网络模型进行电子侦察中的调制识别。2.根据权利要求1所述的基于迁移学习的调制识别系统，其特征在于：所述源域调制信号数据集采用仿真数字调制信号，其中所述仿真数字调制信号包括BPSK，8PSK，PAM4，PAM8，16QAM，64QAM调制信号。3.根据权利要求1所述的基于迁移学习的调制识别系统，其特征在于：在调制信号数据集制作模块中，生成源域调制信号数据集的过程包括：基于调制信号种类数，确定起始信噪比及终止信噪比，基于起始信噪比及终止信噪比，确定随机比特序列对应的生成样本数、信号类型及信噪比，并根据调制阶数生成随机比特序列；根据调制方式对随机比特序列进行调制、上采样及脉冲成型，并通过模拟信道处理，将样本添加到临时数组变量中，通过对调制信号种类数、终止信噪比、生成样本数、信号类型及信噪比进行调整，将调整得到的样本同样添加到临时数组变量中，将临时数组变量写入HDF5文件中，生成源域调制信号数据集。4.根据权利要求3所述的基于迁移学习的调制识别系统...

【专利技术属性】
技术研发人员：王翔，邓文，黄知涛，孙丽婷，柯达，赵雨睿，李保国，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：