一种基于深度残差网络的特定协议信号识别方法技术

一种基于深度残差网络的特定协议信号识别方法，S1：将时域模版匹配和频谱模版匹配拓展为时频模版匹配，将信号的时频能量转换成灰度图像；S2：构建深度残差网络，建立信号识别模型；S3：利用灰度图像对深度残差网络模型进行训练；S4：通过训练后的深度残差网络模型对传输过程中所训练的特定通信协议信号进行检测识别；本发明专利技术给出了将时域模板匹配和频谱模板匹配拓展为时频谱模板匹配，并运用神经网络从时频数据中学习并挖掘最佳时频谱图模板，设计了一种具有自适应学习能力的短波特定通信协议识别模型，提出一种基于深度残差网络的特征自动提取方法，解决了低噪声，多径时延，多普勒频偏，强干扰以及强混叠条件下特定协议的识别问题。

【技术实现步骤摘要】

本专利技术涉及通信，尤其涉及一种基于深度残差网络的特定协议信号识别方法。

技术介绍

1、短波通信协议识别在短波通信对抗和认知无线电领域中具有重要地位，对于通信干扰和目标识别起着至关重要的作用。然而，如何实现对协议的精准识别一直是非合作接收方领域研究的难点和热点。

2、现有的通信协议自动识别技术主要涵盖软件无线电、调制识别以及编码识别等多个
这些方法大体可分为两类：一是基于信号调制特征的协议识别，二是基于比特流的协议识别。在基于调制特征提取的识别方法中，特征模板匹配算法在先验信息充足时表现良好，但对信噪比较为敏感，低信噪比下易造成虚警。而支持向量机等方法在信号识别领域已有应用，并能呈现较好的识别效果，但其对误差边界敏感，不适合大数据实验，且缺乏必要的概率信息。

3、近年来，深度学习技术的发展为通信协议识别提供了新的思路。深度神经网络能够从大量数据中自动提取有用的特征，并利用这些特征进行分类和识别。特别是深度残差神经网络(deepresidualnetwork，resnet)，在图像处理等众多领域已展现出卓越的性能。然而，将深度本文档来自技高网...

【技术保护点】

1.一种基于深度残差网络的特定协议信号识别方法，其特征在于：S1：将时域模版匹配和频谱模版匹配拓展为时频模版匹配，将信号的时频能量转换成灰度图像；

2.根据权利要求1所述的一种基于深度残差网络的特定协议信号识别方法，其特征在于：所述s1的具体步骤为：采用短时傅里叶变换作为时频分析手段，在进行处理过程中，利用中心对称的滑动窗截取观测信号，对滑动窗内信号进行傅里叶变换，最后得到由各段信号构成的时频谱图；

3.根据权利要求1所述的一种基于深度残差网络的特定协议信号识别方法，其特征在于：所述S2的步骤为：s2.1.将H(x)标记为潜在映射，堆叠的网络拟合的为残差映射H(x...

【技术特征摘要】

1.一种基于深度残差网络的特定协议信号识别方法，其特征在于：s1：将时域模版匹配和频谱模版匹配拓展为时频模版匹配，将信号的时频能量转换成灰度图像；

2.根据权利要求1所述的一种基于深度残差网络的特定协议信号识别方法，其特征在于：所述s1的具体步骤为：采用短时傅里叶变换作为时频分析手段，在进行处理过程中，利用中心对称的滑动窗截取观测信号，对滑动窗内信号进行傅里叶变换，最后得到由各段信号构成的时频谱图；

3.根据权利要求1所述的一种基于深度残差网络的特定协议信号识别方法，其特征在于：所述s2的步骤为：s2.1.将h(x)标记为潜在映射，堆叠的网络拟合的为残差映射h(x)＝f(x)-x；

4.根据权利要求1...

【专利技术属性】
技术研发人员：付琳琳，韩国强，刘海业，乔冠禹，刘记红，赵洋，胡然，刘文甫，常文泰，王雅静，
申请(专利权)人：中国人民解放军六三八九二部队，
类型：发明
国别省市：