[发明专利]基于深度残差网络的通信协议信号识别方法

权利要求书

1.一种基于深度残差网络的通信协议信号识别方法，其特征在于，包含如下内容：

对样本库中通信协议信号进行时频分析，将信号的时频谱图转换成灰度图像；

利用灰度图像对深度残差网络模型进行训练；

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；

通过短时傅里叶变换作为时频分析手段，分析样本库中已知协议规格的通信协议信号的视觉特征；将数据转换成时频谱图的形式，时频能量分布模拟成像素点；

通过短时傅里叶变换作为时频分析手段进行处理过程中，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，得到由各段信号构成的时频谱图；

设置协议信号时频谱图影响因素，对样本库中已知协议规格的通信协议信号进行时频分析，获取作为视觉特征的分类特征，其中，影响因素至少包含信号调制方式、参数设置、帧结构设置和传输模式。

2.根据权利要求1所述的基于深度残差网络的通信协议信号识别方法，其特征在于，深度残差网络模型为通过增加身份映射并利用网络模型去学习理想残差映射。

3.根据权利要求2所述的基于深度残差网络的通信协议信号识别方法，其特征在于，通过网络模型学习理想残差映射过程中，将H（x）标记为潜在映射，堆叠网络拟合的残差映射表示为F（x）=H（x）-x，则原始映射修正为F（x）+x；通过对残差映射学习，自动整和网络模型中低维/中维/高维的视觉特征。

4.根据权利要求1所述的基于深度残差网络的通信协议信号识别方法， 其特征在于，深度残差网络模型中，根据网络模型内部结构及实际训练需求，将输入的时频谱图灰度图像大小设置为一致，当输入图像和经过一个残差处理单元后输出特征图维度不匹配时，采用设定卷积核对输入图像进行升维操作。

5.根据权利要求1所述的基于深度残差网络的通信协议信号识别方法，其特征在于，深度残差网络模型中，输入图像经过每一层卷积处理后得到的特征图，针对这些特征图首先对其进行批标准化操作，以减少内部协变量位移的影响。

6.根据权利要求5所述的基于深度残差网络的通信协议信号识别方法，其特征在于，批标准化操作，包含如下内容：对输入的训练特征，通过反向传播优化，使得标准化后的参数适合神经网络中下一层的训练。

7.根据权利要求1所述的基于深度残差网络的通信协议信号识别方法，其特征在于，深度残差网络模型训练前，首先对其参数进行初始化，从样本库中随机提取一个批次数据进行训练学习，其中，参数包含偏置系数。