[发明专利]一种基于神经网络集成的调制识别方法

权利要求书

1.一种基于神经网络集成的调制识别方法，其特征在于，包括以下步骤：

S1、获取数据集：

对接收信号，每次采样8个码元长度的数据，经重采样构成128维的样本，并归一化样本，通过不间断连续采样，获取大量样本构成带标签的数据集；

根据需要识别的信号调制方式的种类k，构建数据集为：

D＝{(x₁,y₁),(x₂,y₂),…,(x_m,y_m)}

其中y∈{1,2,…,k}；

S2、训练识别器：

建立k个二元的数据子集S₁,…,S_k，其中：

数据子集S_i是数据集D中标签为i而标注标签值为+1或者-1的样本点集合，上标label表示标签；

对于每一种调制类别i∈[k]，都需要训练一个基于S_i专用于识别这第i种信号的识别器，训练过程描述如下：

定义t为迭代次数，令t＝1,2,…,T，迭代执行：

其中，是基学习算法，用卷积神经网络实现，其希望学习得到一个二元预测器h：当且仅当x属于调制类别i时，h(x)的输出等于+1；表示基于分布从数据集S_i训练出分类器h_t；T是训练轮数，且T必须为奇数；

使用简单的投票法集成这T个二元预测器，最终输出投票结果的置信度；

S3、构建分类器：

输入样本x，并行地输入每种调制类别所属识别器，得到置信度P₁(x),…,P_k(x)，经softmax综合得到各个调制类别的后验概率，最终构建的分类器为：

S4、利用训练好的分类器对未知调制方式的通信信号进行识别。