一种混叠无线信号智能识别与分离方法及系统技术方案

本发明专利技术公开了一种混叠无线信号智能识别与分离方法及系统，所述方法包括以下步骤：S1、对输入的信号频谱使用混合池化方式过滤噪音；S2、将经过混合池化增强后的信号频谱折叠为二维数据形式，输入Conformer编码器中编码为特征图；S3、利用卷积神经网络对编码的特征图进行解码获得特征向量；S4、根据各个信号的特征值计算出其对应的成分占比大小；S5、输出经过归一化后各个信号种类的成分占比。本发明专利技术基于联合Conformer编码器和卷积神经网络解码器，通过设计基于混合池化层搭配提出的信号预处理模块和信号成分归一化模块，可以在低信噪比环境下有效实现无线电信号分离。环境下有效实现无线电信号分离。环境下有效实现无线电信号分离。

【技术实现步骤摘要】
一种混叠无线信号智能识别与分离方法及系统


[0001]本专利技术涉及无线电信号识别领域，特别涉及一种混叠无线信号智能识别与分离方法及系统。

技术介绍

[0002]在当今的日常生活中我们身边处处充满着用于各种通信设备的无线电信号，不同的信号占据不同频段以及有着不同的功率频谱，如今日益新增的无线电信号品种让无线电频段越来越拥挤，以致于一些不同种类的无线电信号在频段上发生重叠。当两个或多个无线电信号在频谱上重叠时会相互干扰，具体来说就是信号在频谱上的功率分布和功率大小会发生偏移变化，加上由于传输过程中信号功率衰减和噪声对信号频谱的影响，原信号变得难以分辨，影响无线电通信的性能和效率，严重时会导致无法识别出原信号。
[0003]在现代的无线电通信技术中，无线电信号的自动调制识别是一项关键技术，使用它可以在存在多种未知无线电信号的环境中将所需要的信号识别出来。当前无线电信号自动调制识别在单一信号的识别和分析中已经比较成熟，但是当某一频段出现多个无线电信号重叠时，无线电信号自动调制识别往往需要使用一些新的方法将对应的信号分离出来，这就需要分析混合无线电信号各个成分信号的占比。
[0004]受距离和无线电信号的自身属性影响，无线电信号在传播过程中会受到干扰，最常见的是被噪音干扰而使其功率频谱发生剧烈波动变化，因此在不同信噪比（信号功率/噪音功率）情况下的信号分解准确率也会大幅变化。一般来说信噪比越小，信号分解的准确率越低。如何改进无线电信号在低信噪比下的分离准确性，是当前一个具有实用性、值得研究的课题。
[0005]近年来一些传统机器学习方法在无线电信号调制识别（MR）方面占据主要地位，比如非负矩阵分解NMF和T. Liu使用的集成学习方法[1]。随着人工智能深度学习领域以卷积神经网络（CNN）和循环神经网络（RNN）的发展，X. Liu等将CNN和RNN合并设计出CLDNN模型用于MR领域[2]，提升了对单一无线电信号识别的准确率。T. J. O
’
Shea等将机器学习方法XGBoost、SVM和CNN在MR领域进一步对比，比较了各种方法的实用性能[3]。Y.Wang等提出了将CNN模型在多种数据集上训练并组合的方法用于MR[4]。Y. Liu等提出了在MR中使用图神经网络抽取特征的方法[5]。随着Transformer模型[6]、编码器
‑
解码器结构和多头自注意力的广泛应用，一些方法将常见的多种模型类型，如CNN、RNN、GAN（生成对抗网络）和DNN（深度神经网络）组合，利用注意力机制自动分配各个模型特征权重[7]，使MR的准确性得到提高。一些方法如S. Wei等提出为Bi
‑
LSTM（双向长短期记忆网络）模型设计专用的注意力机制[8]。S. Lin等设计了基于时间、频率和信号通道的复合注意力机制，能够在更复杂的环境中实现更高准确率的MR结果[9]。
[0006]上述方方案中，基于机器学习的方法在低信噪比环境下对混合信号频谱的分离不理想；而现存的基于深度学习的模型主要针对单信号分类设计，由于混合信号组成成分的随机性，不利于进行特征提取，较难应用于混合信号分离，因此并不能很好实现混合信号频
谱分离的目标。

技术实现思路

[0007]本专利技术的目的在于克服现有技术的缺点与不足，提供一种混叠无线信号智能识别与分离方法。当前传统的方法在低信噪比环境下受噪音干扰导致识别效果不理想，本专利技术基于联合Conformer编码器和卷积神经网络解码器，通过设计基于混合池化层搭配提出的信号预处理模块和信号成分归一化模块，可以在低信噪比环境下有效实现无线电信号分离。
[0008]本专利技术的另一目的在于提供一种混叠无线信号智能识别与分离系统。
[0009]本专利技术的目的通过以下的技术方案实现：一种混叠无线信号智能识别与分离方法，包括以下步骤：S1、对输入的信号频谱使用混合池化方式过滤噪音；S2、将经过混合池化增强后的信号频谱折叠为二维数据形式，输入Conformer编码器中编码为特征图；S3、利用卷积神经网络对编码的特征图进行解码获得特征向量；S4、根据各个信号的特征值计算出其对应的成分占比大小；S5、输出经过归一化后各个信号种类的成分占比。
[0010]所述步骤S1，具体为：S11、对输入的信号频谱先进行最小值池化：输入的信号频谱在一个滑动窗口内取最小值，从而过滤加性高斯噪音；S12、经历过最小值池化的信号频谱再进行平均值池化：输入的信号频谱在一个滑动窗口内取平均值，修复由最小值池化操作引起的数据分布偏移，由于池化带来的序列长度缩短位置由0填充。
[0011]所述步骤S2，具体为：S21、Conformer编码器先对信号数据使用卷积操作进行采样；S22、采样后的数据在线性注入层被映射到指定隐层维度；S23、Conformer编码器包括多个Conformer块；多个Conformer块的计算流程是：每个Conformer块对于输入的特征图，首先经过半步残差前馈神经网络(FFN)计算；然后进入带有残差的多头注意力机制模块(MHSA)计算；随后结果输入带有残差的卷积模块计算；然后再次经过半步残差前馈神经网络；最后所得结果在LayerNorm层进行数值归一化后作为本Conformer块的输出。另外，第一个Conformer块的输入特征图为S22步骤所得结果，此后第二、三个直到最后一个Conformer块的输入均为前一个Conformer块的输出；
；S24、将最后一个Conformer块的输出作为编码器的输出，高宽为采样序列长度和隐层维度。
[0012]所述步骤S3，具体为：S31、编码特征图首先进行扩展，扩展后的编码特征图新增通道维度；S32、通过依次连接的三个卷积结构来提取特征，然后特征向量在Flatten层被拉直为一维向量；所述卷积结构包括卷积层和最大值池化层；S33、使用线性层作为全连接层，将一维向量投射到信号种类数量。
[0013]步骤S4中，各个信号对应的成分占比大小通过下式计算：；其中，为解码器输出的特征向量且内部各元素数值表示对应信号成分的相对强度，为中的第i个元素表示第i个信号成分的相对强度，eps为常数1e
‑
8用于防止分母过小计算溢出。
[0014]本专利技术的另一目的通过以下的技术方案实现：一种混叠无线信号智能识别与分离系统，包括信号预处理模块、Conformer编码器模块、卷积解码器模块、成分归一化模块；其中，信号预处理模块，用于对输入的信号频谱使用混合池化方式过滤噪音；Conformer编码器模块，用于将经过混合池化增强后的信号频谱折叠为二维数据形式，输入Conformer编码器中编码为特征图；卷积解码器模块，用于利用卷积神经网络对编码的特征图进行解码获得特征向量；成分归一化模块，用于根据各个信号的特征值计算出其对应的成分占比大小，然后输出经过归一化后各个信号种类的成分占比。
[0015]同时，本专利技术提供：一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一段程序，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混叠无线信号智能识别与分离方法，其特征在于，包括以下步骤：S1、对输入的信号频谱使用混合池化方式过滤噪音；S2、将经过混合池化增强后的信号频谱折叠为二维数据形式，输入Conformer编码器中编码为特征图；S3、利用卷积神经网络对编码的特征图进行解码获得特征向量；S4、根据各个信号的特征值计算出其对应的成分占比大小；S5、输出经过归一化后各个信号种类的成分占比。2.根据权利要求1所述混叠无线信号智能识别与分离方法，其特征在于，所述步骤S1，具体为：S11、对输入的信号频谱先进行最小值池化：输入的信号频谱在一个滑动窗口内取最小值，从而过滤加性高斯噪音；S12、经历过最小值池化的信号频谱再进行平均值池化：输入的信号频谱在一个滑动窗口内取平均值，修复由最小值池化操作引起的数据分布偏移，由于池化带来的序列长度缩短位置由0填充。3.根据权利要求1所述混叠无线信号智能识别与分离方法，其特征在于，所述步骤S2，具体为：S21、Conformer编码器先对信号数据使用卷积操作进行采样；S22、采样后的数据在线性注入层被映射到指定隐层维度；S23、Conformer编码器包括多个Conformer块；多个Conformer块的计算流程是：每个Conformer块对于输入的特征图，首先经过半步残差前馈神经网络计算；然后进入带有残差的多头注意力机制模块计算；随后结果输入带有残差的卷积模块计算；然后再次经过半步残差前馈神经网络；最后所得结果在LayerNorm层进行数值归一化后作为本Conformer块的输出；另外，第一个Conformer块的输入特征图为S22步骤所得结果，此后第二、三个直到最后一个Conformer块的输入均为前一个Conformer块的输出；S24、将最后一个Conformer块的输出作为编码器的输出，高宽为采样序列长度和隐层维度。...

【专利技术属性】
技术研发人员：李晓帆，梁俊斌，林达宜，童浩，孔锐，农华斌，李腾飞，
申请(专利权)人：深圳无线电检测技术研究院，
类型：发明
国别省市：