[发明专利]一种基于卷积神经网络识别信号调制方式的方法及系统有效
| 申请号： | 201910429537.2 | 申请日： | 2019-05-22 |
| 公开（公告）号： | CN110166387B | 公开（公告）日： | 2023-06-23 |
| 发明（设计）人： | 吴赛;王智慧;段钧宝;丁慧霞;李志;邵炜平;郑伟军;孟萨出拉;李哲;滕玲 | 申请（专利权）人： | 中国电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司 |
| 主分类号： | H04L27/00 | 分类号： | H04L27/00;G06F18/24;G06F18/241;G06F18/214;G06F18/10;G06N3/0464 |
| 代理公司： | 北京工信联合知识产权代理有限公司 11266 | 代理人： | 姜丽辉 |
| 地址： | 100192 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 卷积 神经网络 识别 信号 调制 方式 方法 系统 | ||
1.一种基于卷积神经网络识别信号调制方式的方法，所述的方法，包括：
控制信号源分别以不同的信号调制方式发出两路无噪信号，对信号源发出的两路无噪信号的其中一路无噪信号加入噪声；
提取两路信号的I/Q信息，获取截断的I/Q信息，根据截断的I/Q信息获取未加入噪声的I/Q信息，生成高阶累积量和二维矩阵作为训练标签，根据截断的I/Q信息获取加入噪声的I/Q信息，生成高阶累积量和二维矩阵作为数据输入量；
所述截断根据滑动窗口法进行滑动截断；
所述高阶累积量的阶数为二到八阶；
将训练标签和数据输入量接入到卷积神经网络中进行无监督去噪自编码的训练，获取多个去噪特征模型，将多个去噪特征模型接入卷积神经网络根据归一化指数函数Softmax进行训练，生成识别模型；
获取信号源发出的信号，提取I/Q信息，截断I/Q信息的高阶累积量并生成二维矩阵，将二维矩阵送入识别模型中对信号进行调制识别并输出信号调制方式。
2.一种基于卷积神经网络识别信号调制方式的系统，所述的系统，包括：
控制模块，控制信号源分别以不同的信号调制方式发出两路无噪信号，对信号源发出的两路无噪信号的其中一路无噪信号加入噪声；
截断信息模块，提取两路信号的I/Q信息，获取截断的I/Q信息，根据截断的I/Q信息获取未加入噪声的I/Q信息，生成高阶累积量和二维矩阵作为训练标签，根据截断的I/Q信息获取加入噪声的I/Q信息，生成高阶累积量和二维矩阵作为数据输入量；
所述截断根据滑动窗口法进行滑动截断；
所述高阶累积量的阶数为二到八阶；
训练模块，将训练标签和数据输入量接入到卷积神经网络中进行无监督去噪自编码的训练，获取多个去噪特征模型，将多个去噪特征模型接入卷积神经网络根据归一化指数函数Softmax进行训练，生成识别模型；
识别模块，获取信号源发出的信号，提取I/Q信息，截断I/Q信息的高阶累积量并生成二维矩阵，将二维矩阵送入识别模型中对信号进行调制识别并输出信号调制方式。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司，未经中国电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910429537.2/1.html，转载请声明来源钻瓜专利网。
