一种小样本信号自动调制识别方法及装置制造方法及图纸

本发明专利技术涉及信号调制识别技术领域，具体公开了一种小样本信号自动调制识别方法和装置。其中方法包括在源域训练集中进行任务抽取，得到支撑集和查询集；构建信号类别推理模型，将支撑集的样本和查询集的样本分别输入多级嵌入函数中，并分别对每个类别的支撑样本的各级特征图求均值，得到各个支撑类别各级特征图；通过多级关系度量模块，计算查询样本和支撑类别特征图之间的各级相似性关系得分，进行加权求和，得到最终相似性得分；通过解码器对支撑样本的特征图进行重构，计算得到分类误差和重构误差；反向传播误差，更新模型参数；利用训练后的模型在目标域数据上进行信号识别。旨在解决传统深度学习方法在AMR问题中面临的小样本困境。

【技术实现步骤摘要】

本专利技术涉及信号调制识别领域，具体涉及一种小样本信号自动调制识别方法和装置。

技术介绍

1、信号自动调制识别是认知通信领域中一项重要的技术，其目的是根据接收到的无线电信号来判别信号的调制方式，是进一步处理非合作信号的基础，也是非合作通信场景下实现高效频谱感知、频谱理解和频谱利用的重要前提，更是近年来无线通信领域研究的重点课题之一。

2、传统的信号自动调制识别方法可分为基于最大似然理论的方法和基于专家特征的方法。基于似然理论的方法是根据判别准则，对信号的统计特性进行最大似然分类。基于专家特征的方法是人工设计特征，将信号变换到某种特征空间，然后再设计分类器进行分类。这两种方法通常需要大量的先验知识，其实别精度和通用性通常较低。

3、随着深度学习技术的发展，研究人员逐渐注意到其强大的特征提取和表达能力，并将其应用到自动调制识别领域，取得了相当的研究成果。o’shea等在2016年首先提出了一种采用卷积神经网络(cnn)直接处理原始同相正交(in-phase and quadrature，iq)信号的调制识别方法。随后循环神经网络，长短时本文档来自技高网...

【技术保护点】

1.一种小样本信号自动调制识别方法，其特征在于，包括：

2.根据权利要求1所述的小样本信号自动调制识别方法，其特征在于，所述S2包括：

3.根据权利要求2所述的小样本信号自动调制识别方法，其特征在于，所述S3包括：

4.根据权利要求3所述的小样本信号自动调制识别方法，其特征在于，

5.根据权利要求3所述的小样本信号自动调制识别方法，其特征在于，

6.一种小样本信号自动调制识别装置，其特征在于，包括：

7.根据权利要求6所述的小样本信号自动调制识别装置，其特征在于，所述特征图生成模块包括：

<p>8.根据权利要求...

【技术特征摘要】

1.一种小样本信号自动调制识别方法，其特征在于，包括：

2.根据权利要求1所述的小样本信号自动调制识别方法，其特征在于，所述s2包括：

3.根据权利要求2所述的小样本信号自动调制识别方法，其特征在于，所述s3包括：

4.根据权利要求3所述的小样本信号自动调制识别方法，其特征在于，

5.根据权利要求3所述的小样本信号自动调制识别方法，其特征在于，

6.一...

【专利技术属性】
技术研发人员：马昭，方胜良，范有臣，李世忠，李石磊，刘冰雁，温晓敏，王孟涛，徐照菁，侯顺虎，李钰海，王梦阳，马淑丽，刘涵，陈晓宏，
申请(专利权)人：中国人民解放军军事航天部队航天工程大学，
类型：发明
国别省市：