[发明专利]一种基于循环残差网络的信号调制识别方法及装置

说明书

本发明实施例提供了一种基于循环残差网络的信号调制识别方法及装置，所述方法包括：获取待识别信号的信号矩阵，提取所述信号矩阵的实部信息和虚部信息；根据所提取的实部信息和虚部信息，生成所述待识别信号的实部虚部特征矩阵；根据预设的矩阵转换方法，将所述实部虚部特征矩阵转换为幅度相位特征矩阵；将所述幅度相位特征矩阵输入预先训练好的循环残差网络中，得到与所述待识别信号对应的调制方式。本发明实施例，对待识别信号的处理过程简单、易操作，并不需要复杂的算法也不需要人工处理，识别灵活性较高，且能够准确的得到待识别信号调制方式的识别结果。

技术领域

本发明涉及无线通信技术领域，特别是涉及一种基于循环残差网络的信号调制识别方法及装置。

背景技术

近年来，随着物联网的高速发展，物联网将网络连接到真实世界中存在的事物，使其引起了广泛关注。然而，物联网发展的同时加剧了频谱资源短缺的问题，并导致了频谱分配的困难。为了缓解频谱资源短缺及频谱分配困难问题，认知无线电被用来进行动态频谱检测。简单的频谱感知方法旨在保证认知无线电技术的频谱正确使用，而调制方式识别技术被用来识别信号在噪声和干扰下的调制方式。

现有对信号调制方式进行识别的方法为：首先，对样本库中信号进行时频分析，将信号的时频谱图转换成灰度图像，然后，利用灰度图像对深度残差网络模型进行训练，再通过训练后的深度残差网络模型对传输过程中的特定信号进行检测识别，该特定信号即为模型训练过程中进行针对性训练的信号。

然而，发明人发现上述对信号调制方式进行识别的方法中，对样本库中信号进行时频分析，将信号的时频谱图转换成灰度图像的实现过程是：通过短时傅里叶变换作为时频分析手段，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，将信号的时频谱图转换成灰度图像，该过程的实现较为复杂，且需要人工对信号进行处理。另外，实际应用中输入信号的长度是不固定的，而上述对信号调制方式进行识别的方法中，训练及使用的深度残差网络模型，受该深度残差网络模型特性的影响，只能处理固定输入长度的信号，使得识别方法的灵活性较差。

发明内容

本发明实施例的目的在于提供一种基于循环残差网络的信号调制识别方法及装置，用以解决现有技术中对输入信号处理过程复杂，识别灵活性差的问题。具体技术方案如下：

第一方面，本发明实施例提供了一种基于循环残差网络的信号调制识别方法，所述方法包括：

获取待识别信号的信号矩阵，提取所述信号矩阵的实部信息和虚部信息；所述待识别信号为待进行调制识别的信号；

根据所提取的实部信息和虚部信息，生成所述待识别信号的实部虚部特征矩阵；

根据预设的矩阵转换方法，将所述实部虚部特征矩阵转换为幅度相位特征矩阵；所述幅度相位特征矩阵中携带有所述待识别信号的幅度特征和相位特征，且所述幅度相位特征矩阵所携带的特征信息量随所述待识别信号所携带的信息量变化而变化；

将所述幅度相位特征矩阵输入预先训练好的循环残差网络中，得到与所述待识别信号对应的调制方式；所述循环残差网络，是根据所述待识别信号的预设数量个样本特征数据、所述样本特征数据对应的类别标签、各样本特征数据对应的标准样本特征数据、以及所述标准样本特征数据对应的类别标签训练得到的；所述样本特征数据对应样本幅度相位特征矩阵，所述标准样本特征数据对应标准样本幅度相位特征矩阵；所述循环残差网络包括：多个门循环单元GRU，所述GRU用于对所述幅度相位特征矩阵进行处理。

可选地，所述获取待识别信号的信号矩阵之前，所述方法还包括：

接收待识别的多个无线信号；所述多个无线信号为：在连续的时间段内的多个时间点接收的无线信号；

将所述多个无线信号组合成信号矩阵。

可选地，所述根据预设的矩阵转换方法，将所述实部虚部特征矩阵转换为幅度相位特征矩阵的步骤，包括：