[发明专利]基于IQ图特征的通信辐射源个体识别方法

权利要求书

1.一种基于IQ图特征的通信辐射源个体识别方法，其特征在于，包括以下步骤：

步骤1，数据归一化：将所有类别的辐射源数据归一化，得到幅度最大值为a的I、Q路数据，a为100-200的整数；

步骤2，对归一化后的数据进行截取、拼接：对归一化的I、Q路数据，取每b个点为一个数据样本，每一类辐射源截取c个样本，得到训练集；b为500-1000的整数，c为1000-2000的整数；

步骤3，对数据进行维度变化：分别对所有类别的I路和Q路数据进行维度变化，将原本的一维I、Q路数据，按照横轴为时间，纵轴为样本值的大小进行维度变化，得到二维IQ图矩阵，再将I路矩阵以及对应的Q路矩阵进行拼接得到二维矩阵图；

步骤4，CNN神经网络分类：将得到的二维矩阵图作为神经网络的输入，用每个类别辐射源的训练样本对神经网络进行学习，保存学习好的神经网络模型，用来对测试集进行测试，完成通信辐射源个体识别。

2.根据权利要求1所述的基于IQ图特征的通信辐射源个体识别方法，其特征在于，步骤1所述的数据归一化，具体过程如下：

将采集得到的所有类别辐射源的I路数据、Q路数据分别进行归一化，并且将最大值变为a，归一化公式为：

其中Y为归一化的结果，X为需要归一化的数据。

3.根据权利要求1所述的基于IQ图特征的通信辐射源个体识别方法，其特征在于，步骤2所述的对归一化后的数据进行截取、拼接，具体过程如下：

分别对m个类别的辐射源数据进行截取，m为自然数，每个类别的数据分为I、Q两路，在每第b个数据点的位置进行截断，每个类别取样本个数为c，得到大小为m×c×(2×b)的训练集。

4.根据权利要求3所述的基于IQ图特征的通信辐射源个体识别方法，其特征在于，步骤3所述的对数据进行维度变化，具体过程如下：

对得到的大小为c×2×b矩阵，其中数据段的个数为c，IQ路数据拼接在一起的数据点为2×b；将原本的一维IQ路数据，按照横轴为时间，纵轴为样本值的大小进行维度变化，I路数据得到的图片特征在左，Q路数据得到的图片特征在右，拼接得到维度为c×2×b的IQ图矩阵；对训练数据进行采样使得维度减小，对矩阵的列每4个点取一次值，得到大小为的IQ图矩阵，得到训练集大小为

5.根据权利要求4所述的基于IQ图特征的通信辐射源个体识别方法，其特征在于，步骤4所述的CNN神经网络分类，其中CNN神经网络的结构为两层卷积层+两层全连接层+softmax分类层，参数设置如下：

初始学习率为0.0001，卷积核大小为7，优化方法为Adam，迭代次数为100000，批次大小为30，epoch为200。