[发明专利]一种基于ResNet-SVM的调制方式识别方法及系统

说明书

本发明涉及一种基于ResNet‑SVM的调制方式识别方法及系统，包括步骤：对已调信号进行FAM循环谱估计，得到循环谱平面特征图；利用ResNet和PCA来提取循环谱特征；结合非线性SVM分类算法，得到分类结果。本发明对于提高低信噪比下的分类识别率有很大的帮助。

技术领域

本发明涉及无线通信技术领域，特别是一种基于ResNet-SVM的调制方式识别方法及系统。

背景技术

随着通信技术的发展，无线通信环境日益复杂，通信信号在很宽的频带上采用不同调制参数的各种调制样式。如何有效的监视和识别这些信号，军事和民用领域都是十分重要的研究课题。早期的调制识别主要依靠人力的方式，技术人员可以通过观察频谱情况、结合自身经验来判断信号的调制方式，但是这种方式得到的识别结果准确率得不到保障，这是由于不同的技术人员的经验的差异就对识别结果影响较大，而且人工的方式往往需要较长时间的观察才能进行判断，因此识别的实时性较差，并且算法计算较为复杂。并且由于复杂的信道环境，使得调制识别技术在低信噪比下的有效识别成为了一个技术难点。

发明内容

有鉴于此，本发明的目的是提出一种基于ResNet-SVM的调制方式识别方法及系统，对于提高低信噪比下的分类识别率有很大的帮助。

本发明采用以下方案实现：一种基于ResNet-SVM的调制方式识别方法，具体包括以下步骤：

对已调信号进行FAM循环谱估计，得到循环谱平面特征图；

利用ResNet和PCA来提取循环谱特征；

结合非线性SVM分类算法，得到分类结果。

进一步地，所述对已调信号进行FAM循环谱估计，得到循环谱平面特征图具体为：对输入的已调信号做循环谱估计，生成三维循环谱图，截取等高平面图并对其做裁剪、二值化操作，最后输出循环谱平面特征图。

进一步地，截取等高平面图并对其做裁剪、二值化操作，最后输出循环谱平面特征图具体为：分别以循环频率和分辨频率为平面坐标，截取等高平面图，然后去除边缘信息，将平面图裁剪为48*48尺寸的图像，与ResNet网络的输入层相匹配，通过二值化形态学操作去除冗余信息，得到循环谱平面特征图。

进一步地，所述利用ResNet和PCA来提取循环谱特征具体为：使用带有残差单元的残差网络ResNet来提取循环谱平面特征图的多维特征值；采用基于SVD分解协方差矩阵的方法来实现PCA技术，对ResNet输出的多维特征值进行降维，进一步提取特征值，得到低维的循环谱特征。

进一步地，所述采用基于SVD分解协方差矩阵的方法来实现PCA技术，对ResNet输出的多维特征值进行降维具体包括以下步骤：

步骤S11：计算协方差矩阵：

式中，X为由ResNet提取到的多维特征值经标准化处理后的结果，m为特征矩阵X的行数；

步骤S12：对计算后的协方差矩阵做SVD分解，计算特征值和特征向量；

步骤S13：经SVD分解后得到的对角矩阵形式的奇异值对角线上的数值相加记录总和，计算前k个对角矩阵上的值的和，直至累积到预设的值，将其对应的k个特征向量分别作为列向量组成特征向量矩阵；k即为降维后的维度；

步骤S14：将数据转换到k个特征向量构建的新空间中，得到PCA降维后的特征值。

进一步地，将利用ResNet和PCA提取到的循环谱特征数据分为训练集与测试集，采用训练集来训练SVM模型，并采用测试集来测试SVM模型，将训练好的SVM模型用于实际的分类预测。