【技术实现步骤摘要】
本专利技术属于信号识别和深度学习，具体涉及一种基于集成学习和增量学习的无线电信号调制类型识别方法。
技术介绍
1、随着通信和物联网等技术的发展，无线通信设备及网络的规模急剧扩大，使得空间中的无线电信号越来越密集，同时这些信号数据还具有数据量大、类型多、动态生成和差异大的特点。自动调制识别指的是自动识别出无线电辐射源发射信号的调制方式，调制类型的识别是信号内容解析的前置条件。如何对无线电信号的调制类型进行快速准确的识别是目前亟需解决的问题。虽然当前对无线电信号进行检测和识别的研究较多，但基本都是针对小样本且种类较少的信号进行识别。如何对种类较多实时获取的无线电信号进行实时准确的识别是当前无线电信号识别领域的难题。因此，迫切需要一种对种类较多且实时接收的无线电信号进行自动快速识别的方法。
技术实现思路
1、(一)要解决的技术问题
2、本专利技术要解决的技术问题是如何提供一种基于集成学习和增量学习的无线电信号调制类型识别方法，以解决如何对种类较多实时获取的无线电信号进行实时准确的识别
【技术保护点】
1.一种基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述S1中，截取后的每个信号样本长度为128μs，采样率为1MHz。
3.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述S2中，调制方式类别包括：ASK、FSK、BPSK、QPSK和MQAM。
4.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述S3中，采用IQ映射分解的方法将输...
【技术特征摘要】
1.一种基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，该方法包括如下步骤：
2.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述s1中，截取后的每个信号样本长度为128μs，采样率为1mhz。
3.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述s2中，调制方式类别包括：ask、fsk、bpsk、qpsk和mqam。
4.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述s3中，采用iq映射分解的方法将输入的无线电信号数据转成i/q两路信号。
5.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述s5中，每个子数据集的样本量保持一致。
6.如权利要求1所述的基于集成学习和增量学习的无线电信号调制类型识别方法，其特征在于，所述s5中，...
【专利技术属性】
技术研发人员：梁翠萍，贺志洋，李子健，魏宇鋆，秦蕾，陈玺，张丹，蒋遂平，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。