【技术实现步骤摘要】
本专利技术涉及无线信号处理，尤其涉及一种基于多任务学习的无线信号调制方式和信号类型识别方法。
技术介绍
1、随着6g技术愿景的发布，天地一体化网络范式将是未来天地一体化网络重要的组成结构，其概括了天基和地基通信基础设施的融合。在天地一体化网络内，卫星通信成为一个关键组成部分，并且超越了卫星承载的传统转发通信功能，将具备更强的基带数据处理等通信功能；这一演变与无处不在的泛在连接日益增长的需求相一致。未来的网络中，卫星将不仅仅是透明转发的被动中继器，而是能够托管卫星基站的主动节点，甚至可能是轨道上的数据中心。这种转变要求大幅提高卫星的星上处理能力，执行复杂的任务，如数据融合，并适应涉及地面网关站和移动终端的多种异构的通信场景。处理异构通信协议的能力成为未来天地一体化网络中卫星能力的重要条件，可确保不同平台和用户之间的无缝互操作性和高效数据处理。
2、传统卫星的主要特点是功能单一，每颗卫星都专门用于遥感或通信等特定任务；这种专业化意味着大多数卫星只能处理单一的通信协议，从而限制了其满足不同通信需求的多功能性。在不断发展的卫星网络中...
【技术保护点】
1.一种基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，包括：
2.根据权利要求1所述的基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，所述复合样本数据中的所述功率谱密度频域数据基于对应的所述时域复数数据使用Welch重叠分段平均估算器计算而得；
3.根据权利要求1所述的基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，所述多输入层包括第一组神经元结构和第二组神经元结构，所述第一组神经元结构用于对所述待测时域复数信号进行特征提取，所述第二组神经元结构用于对所述待测频域特征信号进行特征提取；
<...【技术特征摘要】
1.一种基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，包括：
2.根据权利要求1所述的基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，所述复合样本数据中的所述功率谱密度频域数据基于对应的所述时域复数数据使用welch重叠分段平均估算器计算而得；
3.根据权利要求1所述的基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，所述多输入层包括第一组神经元结构和第二组神经元结构，所述第一组神经元结构用于对所述待测时域复数信号进行特征提取，所述第二组神经元结构用于对所述待测频域特征信号进行特征提取；
4.根据权利要求3所述的基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，所述第一卷积模块和所述第二卷积模块均由卷积层、批归一化层和非线性激活函数relu组成；
5.根据权利要求1所述的基于多任务学习的无线信号调制方式和信号类型识别方法，其特征在于，所述共享层依次包括：
6.根据权利要求1所述的基于多任务学习的无...
【专利技术属性】
技术研发人员：张启维，董涛，杨莹，刘志慧，金世超，
申请(专利权)人：航天恒星科技有限公司，
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。