基于特征融合和分组卷积神经网络的调制信号识别方法技术

本发明专利技术提供了基于特征融合和分组卷积神经网络的调制信号识别方法，涉及调制信号技术领域。本发明专利技术对接收到的调制信号的两路信号做预处理，分别求出两路信号的和以及两路信号的正切值，最后将这两行值添加到原来的数据中，从而达到丰富数据的作用。接下来将数据输入到设计好的神经网络中，这个神经网络的组成为四个卷积层和一个长短期记忆递归神经网络，其中第二，三，四个卷积层采用分组卷积的方式进行运算。本发明专利技术提供的方法具有运算量低，模型参数少和低信噪比条件下准确率较高的特点。在卷积层采用的分组数为8的时候，该方法在信噪比范围为‑20～18dB的情况下，整体识别准确率到了58.34％，在信噪比为0dB的情况下，对11种调制信号的整体识别准确率达到了80.54％。

【技术实现步骤摘要】

本专利技术涉及调制信号，特别是涉及一种基于特征融合和分组卷积神经网络的调制信号识别方法、装置及存储介质。

技术介绍

1、随着通信传输数据量的迅速增长，信号调制方式发展得越来越复杂，移动端设备数量的大量增加，导致信号间串扰越发严重，使得信号的调制识别也越来越困难。调制识别最早起源于军事通信领域，信号识别大多由人工完成，耗时耗力且识别率较低。

2、目前对于调制信号的识别方法主要有3种：

3、基于决策理论的似然比识别方法是根据概率论和假设检验相关理论，将调制信号的识别转化为假设检验问题，这种识别方法一般需要依赖调制信号的先验信息，如均值，方差和协方差等，对于这些参数的获得，在非合作通信的环境下一般是比较困难的。

4、基于特征提取的统计模式识别方法的主要方法是先提取信号的调制方式统计量，通过与理论值的比较从而实现调制信号的识别。常用的信号调制方式的统计量有幅度分布、循环谱图、高阶累积量、时频图、星座图等。该方法的优点在于所需要的先验知识少，理论分析简单，效率高的特点，但是在信噪比较低的情况下，对于信号的识别准确率比较低。

本文档来自技高网...

【技术保护点】

1.一种基于特征融合和分组卷积神经网络的调制信号识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的调制信号识别方法，其特征在于，对信号进行预处理包括：

3.根据权利要求1所述的调制信号识别方法，其特征在于，将预处理后信号输入到四层卷积神经网络CNN中包括：

4.根据权利要求3所述的调制信号识别方法，其特征在于，每个卷积层将卷积的分组设为8。

5.一种基于特征融合和分组卷积神经网络的调制信号识别装置，其特征在于，包括：

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机指令集，计算机指令集被处...

【技术特征摘要】

1.一种基于特征融合和分组卷积神经网络的调制信号识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的调制信号识别方法，其特征在于，对信号进行预处理包括：

3.根据权利要求1所述的调制信号识别方法，其特征在于，将预处理后信号输入到四层卷积神经网络cnn中包括：

4.根据权利要求3所述的调制信号识别方法...

【专利技术属性】
技术研发人员：王演，安永泰，朱峰，杨跃，程诚，陈炯燚，李佳颖，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：