基于深度学习部署的信号调制识别系统及其识别方法技术方案

本发明专利技术属于水声信号嵌入式应用领域，具体涉及一种基于深度学习部署的信号调制识别系统及其识别方法。所述信号预处理单元，用于对传输水声通信信号进行短时傅里叶变换，输出频谱数据当做信号特征；所述信号分类单元，用于将频谱数据特征进行调制模式识别分类，分类结果为PKS、FSK、CW、LFM信号调制模式；所述存储单元，用于保存信号分类结果数据到SD卡中并记录相关日志；所述串口通信单元，用于整个系统与上位机数据通信进行数据传输。本发明专利技术解决在水下环境中1KHz～30KHz水声信号的检测和识别。

【技术实现步骤摘要】

本专利技术属于水声信号嵌入式应用领域，具体涉及一种基于深度学习部署的信号调制识别系统。

技术介绍

1、水下声信号处理离不开接收水声的设备，一般使用声呐用来接收水下声信号，声呐可安置在舰船上，但这种方法成本较高，另外一种方法是将声呐安装在浮标上形成一个信号监测系统，这种满足了长时间探测信号的要求而且隔绝了船体的噪声并具有成本低的特点，本专利技术从这一论点出发，设计一种基于深度学习的自容式水声信号侦查系统，可以植入由深度学习所生成的神经网络，水声信号调制识别传统方法往往依赖于手工设计的特征提取器，对信号变化敏感，且需要耗费大量人力和时间。深度学习通过端到端学习的方式，能够直接从原始数据中学习特征，为信号调制模式识别带来了新的可能性。具有收集和分析处理水下通信信号的功能。

2、第一：目前水声信号侦查系统主要使用的是dsp及fpga等处理器，这种处理器性能较强可以实现可编程逻辑电路设计，但是这种设计方案对于功耗要求较高，普遍功率在十几瓦到数十瓦不等，对电池容量要求高，由于水听器设计有尺寸及重量参数要求，虽然stm32可能在某些专门的信号处理功能上不如专本文档来自技高网...

【技术保护点】

1.一种基于深度学习部署的信号调制识别系统，其特征在于，所述信号调制识别系统包括信号预处理单元、信号分类单元、存储单元及串口通信单元；

2.根据权利要求1所述的信号调制识别系统，其特征在于，所述信号预处理单元包含双通道A/D转换模块和信号滤波模块；

3.根据权利要求1所述的信号调制识别系统，其特征在于，所述信号分类单元包括信号检测单元、信号特征提取单元和神经网络部署单元；

4.根据权利要求1所述的信号调制识别系统，其特征在于，1KHz～30KHz的水声通信信号进入所述信号预处理单元的信号滤波模块对其进行低通滤波，

5.一种基于深度学习部署的...

【技术特征摘要】

1.一种基于深度学习部署的信号调制识别系统，其特征在于，所述信号调制识别系统包括信号预处理单元、信号分类单元、存储单元及串口通信单元；

2.根据权利要求1所述的信号调制识别系统，其特征在于，所述信号预处理单元包含双通道a/d转换模块和信号滤波模块；

3.根据权利要求1所述的信号调制识别系统，其特征在于，所述信号分类单元包括信号检测单元、信号特征提取单元和神经网络部署单元；

4.根据权利要求1所述的信号调制识别系统，其特征在于，1khz～30khz的水声通信信号进入所述信号预处理单元的信号滤波模块对其进行低通滤波，

5.一种基于深度学习部署的信号调制识别方法，其特征在于，所述信号调制识别方法使用如权利要求2所述的信号调制识别系统，所述信号调制识别方法包括以下步骤：

6.根据权利要求5所述的信号调制识别方法，其特征在于，1khz～30khz的水声通信信号进入所述信号预处理单元的信号滤波模块...

【专利技术属性】
技术研发人员：李理，邱天昊，张晓，李英豪，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：