[发明专利]一种基于星座图的信号调制样式识别方法

说明书

本发明公开一种基于星座图的信号调制样式识别方法，利用深度学习中的卷积神经网络对星座图进行特征提取，自动学习到星座图的局部区域位置、方向信息等抽象特征，通过对星座图分类来完成对信号调制样式的识别；可以同时识别多种信号调制样式，可以在低信噪比下准确地识别信号调制样式，具有较好的泛化能力，可通过输入更多不同信号调制样式类型、不同信噪比条件下的数据集来提高识别能力。

技术领域

本发明属于信号检测识别技术领域，特别是涉及一种基于星座图的信号调制样式识别方法。

背景技术

调制样式是数字调制技术的一个基本概念，用于定义数据通信传输的调制方式。信号调制样式的识别是通信信号检测中的一个重要问题，尤其是非协作通信中的信号调制样式自动识别，是无线电接收机的必备功能。通信信息接收方必须有效地对通信信号调制样式识别，才能正确地解调数据，完成对信息的接收。

传统的调制样式识别方法主要使用了统计学理论和假设检验理论作为分类理论基础，首先需要对接收到的信号进行特征提取，然后采用模式识别的知识给定分类方法，基于各类分类识别算法设计分类器。但由于通信理论的快速发展导致新体制通信技术不断涌现，为实现高效快速通信，通信方式和通信设备所处的电磁环境都变得越来越复杂，高阶调制信号自动识别问题变得日益困难。

传统的信号处理方法难以实现高阶调制信号自动识别，在低信噪比情况下，调制样式识别准确率低，目标检测能力差。同时，当前大多数模型都是将问题简化为二分类任务进行识别，但实际使用中，可能遇到的调制样式种类远多于两类。

发明内容

为解决上述问题，本发明提出了一种基于星座图的信号调制样式识别方法，可以同时识别多种调制样式，可以在低信噪比下很好地识别信号调制样式，具有较好的泛化能力，可通过输入更多不同信号调制样式类型、不同信噪比条件下的数据集来提高识别能力。

为达到上述目的，本发明采用的技术方案是：一种基于星座图的信号调制样式识别方法，包括步骤：

S100，预处理原始数据，获取信号星座图；

S200，利用深度学习中的卷积神经网络，构建调制样式识别模型；

S300，将所述信号星座图输入调制样式识别模型，通过调制样式识别模型的学习，提取星座图的局部区域抽象特征；

S400，通过所述局部区域抽象特征对所述信号星座图进行分类，识别出星座图中各个类型的信号调制样式。

进一步的是，在步骤S100中，通过对原始数据进行采样，获得描述信号的振幅和相位构成信号星座图，辅助完成对信号的识别。当处理多种类型信号调制时，星座图能有效地对通信信号调制样式进行分类，有助于正确解调数据。

进一步的是，所述抽象特征包括信号的位置信息和方向信息。

进一步的是，在步骤S200中，所述调制样式识别模型采用CNN模型并对CNN模型进行改进；所述调制样式识别模型包括3×3卷积核和最大池化层，使得在进行多种信号调制样式识别过程中，在不降低模型准确率的前提下可以减少模型参数，提高模型训练速度。

进一步的是，在所述调制样式识别模型的每一个卷积层之后均进行组归一化处理，使模型收敛速度更快以及模型准确率更高，适用于多种信号调制样式识别的精确识别和快速识别。

进一步的是，在所述预处理过程中获取信号星座图的图片大小为256×256像素，所述调制样式识别模型输入图片大小为256×256像素的星座图；所述调制样式识别模型输出为一个长度为5的向量，在所述向量中每一个元素表示属于某一类的置信度。

进一步的是，在步骤S400中，根据所述向量中的元素置信度确定该星座图的调制样式，并将该星座图进行归类，匹配出相应的调制样式类别。