[发明专利]一种结合神经网络实现2ASK信号及AM信号调制识别的方法

权利要求书

1.一种结合神经网络实现2ASK信号及AM信号调制识别的方法，其特征在于，包括：

步骤S100：将接收机接收的调制信号进行IQ解调，分别得到I路和Q路的离散数据序列；

步骤S200：对I路和Q路组成的复数IQ序列进行归一化处理；

步骤S300：对复数平面上时间连续的IQ坐标点进行聚类，所述聚类的结果包括点团聚类；具体为：

对连续时间上相邻的若干个IQ点A，B、C、……、M，首先计算点A与坐标原点组成的向量接着计算点B与坐标原点组成的向量若两个向量的夹角小于阈值则将点A、B放入同一点团聚类；接下来继续计算点C与坐标原点组成的向量与向量的夹角，若依然小于阈值则将点C也放入同一点团聚类中，继续按同样方法寻找同一点团聚类的其他IQ点；直到查找到一个IQ点不满足阈值限定则该点团聚类寻找完毕；

继续以同样地方法寻找下一个点团聚类，直至计算完所有的IQ样本点并找出所有的点团聚类的IQ点放入同一点团聚类；

步骤S400：对坐标平面上的IQ点进行旋转，利用每个点团聚类相对实轴正半轴的偏移角度对该点团聚类附近的所有IQ点进行旋转搬移，抵消频偏；具体为：

对两个相邻点团聚类β与首先计算β点团聚类中所有IQ点的平均坐标位置，并计算该平均坐标位置与坐标原点所构成的向量与实轴正半轴的夹角Ω；然后将从点团聚类β中最后一个IQ点到点团聚类中最后一个IQ点之间的所有IQ点都顺时针旋转Ω角度；此时，这一段IQ点将被搬移到实轴正半轴附近；

对所有点团聚类及IQ点依次进行同样操作后，所有的IQ样本点都将被旋转搬移到坐标实轴正半轴上；

步骤S500：将旋转后的IQ点转换成信号密度图；

步骤S600：创建卷积神经网络模型作为信号分类识别模型，对AM信号和2ASK信号的密度图进行分类和识别，所述卷积神经网络模型是根据AM，2ASK信号密度图的纹理规律，人工生成的训练数据集进行训练得到。

2.根据权利要求1所述的一种结合神经网络实现2ASK信号及AM信号调制识别的方法，其特征在于，所述步骤S100具体为：

分别对接收到的信号乘以正弦函数和余弦函数，并分别进行积分操作，得到离散数据序列为：I₁,Q₁,I₂,Q₂,I₃,Q₃…I_n,Q_n；n为序列的长度的一半。

3.根据权利要求2所述的一种结合神经网络实现2ASK信号及AM信号调制识别的方法，其特征在于，所述步骤S200具体为：

将得到的I₁,Q₁,I₂,Q₂,I₃,Q₃…I_n,Q_n序列组合为长度为n的复数序列:I1+j*Q1,I2+j*Q2,I3+j*Q3…In+j*Qn，并采用最大值归一化或均值归一化进行处理，所述最大值归一化的公式为：

复数IQ序列中每一位复数÷序列中最大的复数模长；

所述均值归一化的公式为：

复数IQ序列中每一位复数÷序列平均复数模长。