无线电调制信号识别方法及系统技术方案

本发明专利技术提供一种无线电调制信号识别方法及系统，涉及神经网络应用领域，方法步骤如下：通过预训练的调制信号识别模型，对输入的调制信号进行识别，得到所述调制信号的调制类型；所述调制信号识别模型为优化的MCLDNN多通道学习深度神经网络；所述优化的MCLDNN中：第一卷积层Conv1～第三卷积层Conv3均为深度可分离卷积层；第一卷积层Conv1～第五卷积层Conv5、全连接压缩层和分类输出层均被量化压缩，第五卷积层Conv5为通道剪枝层，且时序模块为一层GRU层。

【技术实现步骤摘要】

本专利技术涉及神经网络应用领域，尤其涉及一种无线电调制信号识别方法及系统。

技术介绍

1、在无线电通信领域，调制信号是信息传输的重要载体。调制是将原始信号加载到高频载波上的过程，常见的调制方式包括幅度调制(am)、频率调制(fm)、相位调制(pm)等。准确识别接收到的无线电信号调制类型是后续信号解调、信息提取的关键前提。

2、现有无线电调制信号识别方法中，如基于特征提取和分类器的方法，需要依赖专业人员的经验和知识，人工设计大量信号特征，且在复杂电磁环境下性能有限。随着人工智能技术的发展，深度学习在信号处理领域得到了广泛应用，其强大的特征自动学习能力为无线电调制信号识别带来了新的解决方案。

3、近年来，基于计算机和服务器等通用计算平台的深度学习无线电调制识别技术取得了显著进展。通过构建深度神经网络模型，基于海量标注调制信号数据进行监督式训练，使模型能够自动提取不同调制类型的时频域特征，最终实现未知信号的智能分类识别。在数据采集环节，通常采用专业信号采集设备，并通过有线接口或常规无线传输协议与计算平台建立连接，实现原始信号数字化传输与存本文档来自技高网...

【技术保护点】

1.一种无线电调制信号识别方法，其特征在于，步骤如下：

2.根据权利要求1所述的无线电调制信号识别方法，其特征在于，第五卷积层Conv5的卷积核尺寸为2×5，输出通道数量为80。

3.根据权利要求2所述的无线电调制信号识别方法，其特征在于，GRU层中隐藏单元的数量为64。

4.根据权利要求1～3其中一项所述的无线电调制信号识别方法，其特征在于，分类输出层为softmax层，该softmax层中神经元的数量等于调制类型的数量。

5.根据权利要求4所述的无线电调制信号识别方法，其特征在于，所述MCLDNN的第一卷积层Conv1～第五卷积层Con...

【技术特征摘要】

1.一种无线电调制信号识别方法，其特征在于，步骤如下：

2.根据权利要求1所述的无线电调制信号识别方法，其特征在于，第五卷积层conv5的卷积核尺寸为2×5，输出通道数量为80。

3.根据权利要求2所述的无线电调制信号识别方法，其特征在于，gru层中隐藏单元的数量为64。

4.根据权利要求1～3其中一项所述的无线电调制信号识别方法，其特征在于，分类输出层为softmax层，该softmax层中神经元的数量等于调制类型的数量。

5.根据权利要求4所述的无线电调制信号识别方法，其特征在于，所述mcldnn的第一卷积层conv1～第五卷积层conv5均采用relu激活函数：gru层的门控单元使用sigmoid激活函数，候选门使用tanh激活函数，fc1...

【专利技术属性】
技术研发人员：赵枫华，邢景仪，周旭阳，徐春鹏，艾婷，崔健，徐圣法，陈洪亮，
申请(专利权)人：北京东方计量测试研究所，
类型：发明
国别省市：