基于迁移学习的通信信号自动调制识别方法及系统技术方案

本发明专利技术提供一种基于迁移学习的通信信号自动调制识别方法及系统，包括：步骤S1：生成预训练样本集，并构建通信信号识别预训练样本集；步骤S2：将预训练样本集划分为训练集和验证集，用训练集训练卷积神经网络，用验证集验证识别准确度；步骤S3：利用信号监测设备持续采集并保存实时通信信号，监测设备按照天线频段采集并保存成帧；步骤S4：用通信信号替代部分预训练样本集，加载卷积神经网络作为完备模型的初始化参数，继续训练卷积神经网络；步骤S5：重复步骤S4，直至预训练样本集全部为实时采集的通信信号，得到通信调制识别模型。本发明专利技术能够实时监测实验环境中的通信信号，不断丰富训练数据集，逐步完成通信信号调制识别的迁移学习。移学习。移学习。

【技术实现步骤摘要】
基于迁移学习的通信信号自动调制识别方法及系统


[0001]本专利技术涉及通信信号识别
，具体地，涉及一种基于迁移学习的通信信号自动调制识别方法及系统。

技术介绍

[0002]调制识别是一种研究识别无线通信信号的调制方法的技术。通信信号调制识别能够自动识别出已调制通信信号的调制方式，从而检测出已调信号的各种参数，在军用和民用通信信号处理领域发挥重大作用，特别是在频谱监测、电子对抗等领域调制识别是不可或缺的技术手段。
[0003]传统的通信信号识别技术根据分类策略可以划分为基于贝叶斯决策理论的方法和基于机器学习理论的方法。这两种方法在理想条件下可以取得不错的识别效果，但是在复杂电磁环境和低信噪比环境下识别率急剧下降。由于深度学习优异的特征学习能力，将深度学习应用于通信信号调制识别引起了广泛关注，其中卷积神经网络在复杂电磁环境和各种信噪比环境下可以取得不错的效果。
[0004]基于深度学习的调制识别在训练数据上往往可以通过训练的参数调制取得优于传统识别技术的识别率，但是往往泛化能力较差，在实际应用场景识别率会急剧下降。为了解决这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的通信信号自动调制识别方法，其特征在于，包括：步骤S1：生成预训练样本集，并构建通信信号识别所述预训练样本集；步骤S2：将所述预训练样本集划分为训练集和验证集，用所述训练集训练卷积神经网络，用所述验证集验证识别准确度；步骤S3：利用信号监测设备持续采集并保存实时通信信号，监测设备按照天线频段采集并保存成帧；步骤S4：用实时采集的通信信号替代部分预训练样本集，加载卷积神经网络作为完备模型的初始化参数，继续训练卷积神经网络；步骤S5：重复步骤S4，直至预训练样本集全部为实时采集的通信信号，最终得到的卷积神经网络即为迁移学习后的通信调制识别模型。2.根据权利要求1所述的基于迁移学习的通信信号自动调制识别方法，其特征在于，所述生成预训练样本集包括：输入信号经过调制，再将调制后输出的IQ信号经受损信道传输，得到受损IQ信号，由受损IQ信号合成预训练样本集。3.根据权利要求1所述的基于迁移学习的通信信号自动调制识别方法，其特征在于，所述步骤S2具体包括：按照7：2：1的比例将所述预训练样本集划分为训练集、验证集和测试集；其中，训练集和验证集分别作为训练卷积神经网络和验证每轮的识别率，测试样本集用于卷积神经网络训练完成后测试卷积神经网络的识别准确率。4.根据权利要求1所述的基于迁移学习的通信信号自动调制识别方法，其特征在于，实时采集通信信号采用的是软件无线电接收器，合作发射源持续发射已知调制类型的模拟射频信号，射频调谐器将模拟射频信号转化为模拟中频信号，接着A/D转换器将模拟中频信号数字化，从而将其转化为数字采样点，将所述采样点送入数字下变频模块。5.根据权利要求4所述的基于迁移学习的通信信号自动调制识别方法，其特征在于，所述数字下变频模块为一个单独的FPGA核，包括：数字混频器、数字本振以及FIR低通滤波器；所述数字混频器和数字本振将模拟中频信号下变频到基带I/Q信号，再经过FIR低通滤波器得到最终采集到的通信信号。6.一种基于迁...

【专利技术属性】
技术研发人员：张孝，秦猛，彭一芃，陈宏焜，熊峰，
申请(专利权)人：中国兵器装备集团上海电控研究所，
类型：发明
国别省市：