[发明专利]一种基于射频学习的低轨卫星信号调制识别方法及装置

权利要求书

1.一种基于射频学习的低轨卫星信号调制识别方法，其特征在于，该方法包括以下步骤：

获取多个卫星终端用户点的射频信号，将每个卫星终端用户点的射频信号做离散傅里叶变换得到每个卫星终端用户点在各时间点的频谱；将每个卫星终端用户各时间点的频谱沿时间演进并堆叠成平面图谱，并对所述平面图谱中的各元素值做图像灰度提取处理得到二维可视化图片，对各二维可视化图片中的元素值作统计分析后进行锐化隐没操作，并按照各卫星终端用户点的序号堆叠为三维谱阵图；

将所述三维谱阵图向时频域所在二维平面进行投影，得到各卫星终端用户点叠加的二维可视化频谱图，对所述二维可视化频谱图中的元素值进行抽样，并将抽样元素值分为多个子序列；按照各子序列中元素的位置对所述二维可视化频谱图进行采样得到多个子图像；计算每个子图像上各抽样元素值的拉普拉斯算子并组合得到所有抽样元素值的拉普拉斯矩阵，所述拉普拉斯矩阵中的拉普拉斯算子用以表征所述射频信号的频域特征；从全时间域以及全频率域对所述三维谱阵图沿元素数值梯度绝对值方向进行切割，计算切割表面任一元素值的多个相邻元素值对该元素值的影响值并进行噪声插值，按数值大小将噪声值与各元素值渲染为热度图以表征所述射频信号的时频特征；计算各卫星终端用户点在全时间域接收到的所述射频信号的幅度以及相位，并按各卫星终端用户点的序号排列映射得到类等高线三维立体图，以表征所述射频信号的幅相特征；分别计算所述频域特征、所述时频特征以及所述幅相特征的交叉熵值，并利用交叉熵值最大的特征生成射频语义图谱；

获取预训练的低轨卫星射频语义图谱识别分类模型，所述低轨卫星射频语义图谱识别分类模型包括依次连接的输入层、卷积层、池化层、全连接层和激活函数，将所述射频语义图谱输入所述预训练低轨卫星射频语义图谱识别分类模型，得到输出调制方法识别结果；

其中，生成所述射频语义图谱包括，将子图像中的元素值以及元素值变化态势总增益按照设定比例映射为语义图谱元素的色度与亮度，得到频域特征射频语义图谱；根据先验计算所述射频信号的平均接收功率和接收信干燥比，并将所述平均接收功率和所述接收信干燥比与设定值比较判断所述射频信号是否误码，并构成时频特征射频语义图谱；将所述类等高线三维立体图中的元素值按照边缘-中心原则从边缘至中心依次填充在语义图谱中得到幅相特征射频语义图谱；所述边缘-中心原则是指元素值在所述幅相特征射频语义图谱中从边缘至中心逐渐减小，元素值颜色在所述幅相特征射频语义图谱从边缘至中心逐渐变深。

2.根据权利要求1所述的基于射频学习的低轨卫星信号调制识别方法，其特征在于，对各二维可视化图片中的元素作统计分析后进行锐化隐没操作，包括，

计算各卫星终端用户点在相同时间域和频率域下的所有二维可视化图片上元素值的统计方差，去除偏离程度大于统计方差阈值的元素值后继续计算剩余元素值的统计方差直至剩余元素值的统计方差小于所述统计方差阈值，并计算剩余元素值的统计平均值，并将所述统计平均值填充至被去除的元素值的位置，若计算元素值的统计方差次数超过设定次数并且剩余元素值的统计方差仍大于所述统计方差阈值，则将该二维可视化图片内所有元素值置零。

3.根据权利要求1所述的基于射频学习的低轨卫星信号调制识别方法，其特征在于，按照各子序列中元素的位置对所述二维可视化频谱图进行采样得到多个子图像，还包括，对各子图像对应的子序列进行图快速傅里叶变化，得到各子序列的变换序列，

所述变换序列的计算式为：

x∈(1，2^L)，

其中，X_x(s)表示所述变换序列，2^M表示抽样元素值的总量，Subsequence_x表示所述子序列，j表示频率，2^L表示所述子序列的数量，u表示子序列中的元素值。