[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

说明书

本发明提供一种基于智能图像分析的短波莫尔斯报文自动识别方法。该方法包括：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。本发明可提高莫尔斯信号报文识别效果。

技术领域

本发明涉及各类通信系统中的莫尔斯信号处理技术领域，尤其涉及一种基于智能图像分析的短波莫尔斯报文自动识别方法。

背景技术

虽然卫星、光纤、微波等通信技术迅猛发展并得到了广泛运用，但传统的短波通信仍被大量使用，尤其在军事战略和战术通信方面，短波是其它通信手段无法取代的。莫尔斯电码通过规律性的断(无电平)、续(有持续不变的电平)代表信息，即利用“点”(短信号)、“划”(长信号)和“间隔”(无信号)的组合来表示字母、数字和符号。它具有编码方式简单，所需设备成本低，抗干扰能力强，通信距离远等优势。莫尔斯报是短波通信的典型代表，在超短波、微波等无线通信中都有应用。

莫尔斯报最初由人工控制专用电键对报文进行编码并发送的，随着技术进步，发报已逐渐改为由电子设备自动完成。但电报的接收、译码和抄收基本上还是靠人工参与来实现的。由于无线电磁环境日益复杂，短波等无线传输不可避免地受到各种衰落、干扰和噪声的影响，而人工莫尔斯电报抄收受限于人的心理、生理状态和专业技能，已难以满足需要。自动莫尔斯报识别已有不少研究，但现有研究大都从传统信号检测处理的角度出发，通过简单的能量检测划定门限，检测信号电平完成译码。传统方式未充分利用信号特征，存在对信号参数估计误差敏感、报文识别率不高等问题，尤其无法有效处理手工莫尔斯信号和短波复杂信道下的莫尔斯信号。

如何有效实现短波莫尔斯报文的自动识别，从而大幅度降低人工报文抄收工作量，是亟待解决的现实问题。

发明内容

为解决现有技术中存在的上述问题，本发明在莫尔斯报文自动识别中引入人工智能识别技术，提出一种基于智能图像分析的短波莫尔斯报文自动识别方法，将对电平能量的检测转化为对信号码字的图像识别，从而克服现有方法不足，提高在各种情况下的报文识别效果。

本发明提供的一种基于智能图像分析的短波莫尔斯报文自动识别方法，主要包括以下步骤：

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。

进一步地，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。

进一步地，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：