[发明专利]空频分组码识别方法、装置、计算机设备和存储介质

权利要求书

1.一种空频分组码识别方法，其特征在于，包括：

获取多个接收信号样本各自的_N×N维互相关时频特征图，其中，所述获取多个接收信号样本各自的_N×N维互相关时频特征图，包括：获取样本接收端上多根天线之间的一维互相关幅值序列；将所述一维互相关幅值序列按OFDM块长度_N进行划分，每行放置一块大小为_1×N维的OFDM块，每_N块OFDM块作为一组拼接成_N×N维的时频特征图；

将预设数量的_N×N维互相关时频特征图作为一组，将每组内的_N×N维互相关时频特征图进行叠加后取平均；

将经过叠加后取平均得到的_N×N维互相关时频特征图进行两两拼接，得到_N×2N维互相关时频特征图；

基于新得到的所述_N×2N维互相关时频特征图，训练多级残差网络，直至所述多级残差网络的模型收敛；

识别已获取的接收信号的_N×2N维互相关时频特征图，并将所述接收信号的_N×2N维互相关时频特征图输入至已经完成训练的所述多级残差网络，获得所述接收信号对应的空频分组码类别。

2.根据权利要求1所述的方法，其特征在于，在不同时延下，所述新得到的所述_N×2N维互相关时频特征图中至少有一组峰值接近图片的中心位置。

3.根据权利要求1所述的方法，其特征在于，所述基于新得到的所述_N×2N维互相关时频特征图，训练多级残差网络，包括：

将新得到的所述_N×2N维互相关时频特征图输入至多级残差网络，获得接收信号样本的空频分组码预测类别；

根据所述空频分组码预测类别和所述接收信号样本的真实类别，生成损失值；

根据所述损失值和预设的目标函数训练所述多级残差网络。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述多级残差网络的输入层维度为_N×2N；所述多级残差网络之中每两个二级残差块之间增加一个池化层；所述多级残差网络的输出层为多层全连接。

5.一种空频分组码识别装置，其特征在于，包括：

获取模块，用于获取多个接收信号样本各自的_N×N维互相关时频特征图，其中，所述获取模块具体用于：获取样本接收端上两根天线之间的一维互相关幅值序列；将所述一维互相关幅值序列按OFDM块长度_N进行划分，每行放置一块大小为_1×N维的OFDM块，每_N块OFDM块作为一组拼接成_N×N维的时频特征图；

处理模块，用于将预设数量的_N×N维互相关时频特征图作为一组，将每组内的_N×N维互相关时频特征图进行叠加后取平均；

拼接模块，用于将经过叠加后取平均得到的_N×N维互相关时频特征图进行两两拼接，得到_N×2N维互相关时频特征图；

训练模块，用于基于新得到的所述_N×2N维互相关时频特征图，训练多级残差网络，直至所述多级残差网络的模型收敛；

预测识别模块，用于识别已获取的接收信号的_N×2N维互相关时频特征图，并将所述接收信号的_N×2N维互相关时频特征图输入至已经完成训练的所述多级残差网络，获得所述接收信号对应的空频分组码类别。

6.根据权利要求5所述的装置，其特征在于，所述训练模块具体用于：

将新得到的所述_N×2N维互相关时频特征图输入至多级残差网络，获得接收信号样本的空频分组码预测类别；

根据所述空频分组码预测类别和所述接收信号样本的真实类别，生成损失值；

根据所述损失值和预设的目标函数训练所述多级残差网络。