[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

说明书

本发明提供一种基于射频学习的低轨卫星信号调制识别方法及装置，所述方法包括：根据射频信号计算出元素值并构建三维谱阵图，提取三维谱阵图中的频域特征、时频特征以及幅相特征，通过计算各特征的交叉熵值确定生成射频语义图谱的信号特征；根据频域特征得到频域特征射频语义图谱，时频特征得到的时频特征语义图谱，幅相特征得到幅相特征射频语义图谱；构建低轨卫星射频语义图谱识别分类模型，将最大交叉熵值对应的特征语义图谱输入低轨卫星射频语义图谱识别分类模型，对其进行分类识别输出调制识别结果。本发明能够提高在高动态大带宽低轨卫星通信场景下的信号调制方法的检测准确率。

技术领域

本发明涉及信号识别技术领域，尤其涉及一种基于射频学习的低轨卫星信号调制识别方法及装置。

背景技术

信号调制识别是认知无线电技术中信号感知检测领域的关键技术点，信号感知检测通过获取射频信号重要参数信息以实现对业务需求的快速灵敏响应，进而进行针对性分析决策，现有的信号调制识别技术分为两大类：一类是基于特征提取的调制识别方法，另一类是基于统计似然特征的调制识别方法。前者需要关注提取的具体特征，如高阶累积量特征、循环统计量特征，小波特征，信号频谱相关特征等，只有针对性强品质好的特征才会使识别准确率满足要求；后者依赖完整的信道状态先验信息，且对模型参数估计效果敏感，需要计算大量先验数据支撑算法性能，对具有频率偏移、相位偏移及时变衰落等非理想特性的信道鲁棒性差。现有的这两类调制识别技术都基于信号级数据特征，识别准确度与时间开销高度依赖于特征类型及算法算力。由于信号感知检测本质上是射频接收信号盲检测，需对未处理的射频接收数据进行信号级特征分析，伴随着低轨卫星通信场景通信带宽的扩展及频率多色复用的应用，对射频接收信号的信号级分析处理难度随着射频接收数据的复杂程度骤增，因此信号级分析处理方法不适用于对大带宽高动态低轨卫星通信场景的信号调制方法进行识别。

发明内容

鉴于此，本发明实施例提供了一种基于射频学习的低轨卫星信号调制识别方法及装置，以解决现有技术的信号级调制识别方法不适用于对低轨卫星信号调制方法的识别。

本发明的一个方面提供了一种基于射频学习的低轨卫星信号调制识别方法，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；