[发明专利]一种基于智能图像分析的短波莫尔斯报文自动识别方法

权利要求书

1.一种基于智能图像分析的短波莫尔斯报文自动识别方法，其特征在于，包括：

步骤1、根据训练莫尔斯信号的码速率和系统采样率，在本地生成所述训练莫尔斯信号的码字样本，组成训练样本集；

步骤2、生成所述训练样本集中各样本信号的修正语谱图；

步骤3、将所述各样本信号的修正语谱图作为卷积神经网络的输入，采用迁移学习方法训练卷积神经网络；

步骤4、对接收的目标莫尔斯信号进行码字截取得到所述目标莫尔斯信号的所有码字数据，并按照步骤2生成各码字数据的修正语谱图；

步骤5、利用训练好的卷积神经网络对所述目标莫尔斯信号的各码字数据的修正语谱图进行识别，输出与所述修正语谱图对应的码字；

所述步骤5具体为：

步骤5.1、利用训练好的卷积神经网络对所述目标莫尔斯信号的各码字数据的修正语谱图进行识别；

步骤5.2、输出与所述修正语谱图对应的码字和置信度；

步骤5.3、若置信度大于设定的概率阈值，则将所述码字作为与所述修正语谱图对应的码字；

步骤5.4、若置信度小于设定的概率阈值，则进行纠错处理；所述纠错处理具体为：返回至所述步骤4，将当前码字数据与前一码字数据和/或后一码字数据依次合并，并生成当前码字数据的修正语谱图；重复执行步骤5.1至步骤5.4；其中，合并后的码字数据的长度不大于最长码字长度。

2.根据权利要求1所述的方法，其特征在于，在步骤2之前还包括：

使所述训练样本集中的所有样本信号过不同类型的短波衰落信道，并加入不同强度的白噪声，得到处理后的训练样本集。

3.根据权利要求1所述的方法，其特征在于，所述步骤1具体为：

步骤1.1、根据训练莫尔斯信号的码速率B和系统采样率f按照式(1)确定训练莫尔斯信号为“点”、“划”和“间隔”时的电平持续时长对应的样本数N₁、N₂和N₃的取值范围：

步骤1.2、分别在“点”、“划”和“间隔”的取值范围内随机选取样本数，并根据莫尔斯信号码表生成不同样本数对应的多种莫尔斯码字样本，组成训练样本集。

4.根据权利要求1或2所述的方法，其特征在于，所述步骤2具体为：

步骤2.1、对训练样本集中的各样本信号进行短时傅里叶变换，得到训练样本集的时频数据；

步骤2.2、对所述时频数据取模值，并进行最大值归一化处理；

步骤2.3、以时间、频率和强度作为三维坐标轴，绘制处理后的时频数据的三维语谱图；

步骤2.4、将所述三维语谱图投影至以时间和强度作为二维坐标轴的二维平面上，并将图像分辨率调整至设定的分辨率，得到所述训练样本集中各样本信号的修正语谱图。

5.根据权利要求1所述的方法，其特征在于，所述步骤3具体为：

步骤3.1、修改原输出层，将卷积神经网络的原输出层设置为软判决分类器，设置所述分类器的类别个数，清空原输出层的节点缓存参数；

步骤3.2、将各样本信号的修正语谱图作为修改后的卷积神经网络的输入，利用反向传播算法训练所述卷积神经网络直至收敛，得到训练好的卷积神经网络。

6.根据权利要求1所述的方法，其特征在于，所述步骤4中的对接收的目标莫尔斯信号进行码字截取得到所述目标莫尔斯信号的所有码字数据，具体为：

步骤4.1、根据设置的门限电平检测目标莫尔斯信号的电平强度，识别码字间隔；

步骤4.2、根据所述码字间隔提取所述目标莫尔斯信号的所有码字数据。