[发明专利]一种基于模式选择的信号解调方法

权利要求书

1.一种基于模式选择的信号解调方法，其特征在于，包括：

获取由外部设备传输的调制信号，并对所述调制信号的进行特征提取，得到调制信号对应的模式特征；

构建调制信号模式选择模型，采用参数优化算法对调制信号模式选择模型进行训练，得到训练完成的调制信号模式选择模型；

采用训练完成的调制信号模式选择模型对模式特征进行识别，得到调制信号对应的目标调制模式，并调取目标调制模式对应的解调模型对调制信号进行解调，得到信号解调结果。

2.根据权利要求1所述的基于模式选择的信号调制方法，其特征在于，获取由外部设备传输的调制信号，并对所述调制信号的进行特征提取，得到调制信号对应的模式特征，包括：

获取由外部设备传输的AM信号、ASK信号、FSK信号、BPSK信号、QPSK信号或者MSK信号，得到调制信号；

对调制信号进行离散化，并以预设的分帧长度L将离散化后的调制信号分为M帧，得到M帧子信号，分帧长度L用于表征每帧子信号包括L个信号点；

对每一帧子信号进行傅里叶变换，得到第一目标子信号，并确定第一目标子信号中的最高点的频率，得到第一特征；

将所有第一特征按照子信号顺序组合为特征向量，得到短时傅里叶最高点特征向量；

获取每一帧子信号的短时能量，得到第二特征，并将所有第二特征按照子信号顺序组合为特征向量，得到短时能量特征向量；

获取每一帧子信号与下一帧子信号之间的相似度，得到第三特征，并将所有第三特征按照子信号顺序组合为特征向量，得到帧相似度特征向量；

获取每一帧子信号中间点的瞬时相位，得到第四特征，并将所述第四特征按照子信号顺序组合为特征向量，得到帧中间点瞬时相位特征向量；

将短时傅里叶最高点特征向量、短时能量特征向量、帧相似度特征向量以及帧中间点瞬时相位特征向量组合为特征矩阵，得到调制信号对应的模式特征。

3.根据权利要求2所述的基于模式选择的信号调制方法，其特征在于，构建调制信号模式选择模型，包括：

构建输入层，以接收调制信号对应的模式特征；

构建顺次连接的第一卷积层、第一Relu激活函数层、第一最大池化层、第二卷积层、第二Relu激活函数层、第二最大池化层、第三卷积层、第三Relu激活函数层、第三最大池化层、第四Relu激活函数层、全连接层以及softmax激活函数层，以对调制信号对应的模式特征进行处理，确定调制信号对应的调制模式；

构建输出层，以将调制信号对应的调制模式输出。

4.根据权利要求3所述的基于模式选择的信号调制方法，其特征在于，采用参数优化算法对调制信号模式选择模型进行训练，包括：

引入混沌序列对调制信号模式选择模型的网络参数初始化，获取初始种群，所述初始种群包括多个个体，每个个体包括调制信号模式选择模型中所有待优化的网络参数；

获取初始种群中每个个体的适应度值，并确定适应度值最大的个体作为最优个体；

将除最优个体之外的个体按照预设比例划分为两部分，一部分组成第一优化种群，另一部分组成第二优化种群；

针对第一优化种群，采用局部搜寻更新方法对第一优化种群中的个体进行更新，得到更新后的第一优化种群，并根据更新后的第一优化种群对最优个体进行更新，得到更新后的最优个体；

针对第二优化种群，根据更新后的最优个体对第二优化种群中的个体进行引导更新，得到更新后的第二优化种群；

针对更新后的第一优化种群以及第二优化种群，以整体位置为基础，对除最优个体之外的所有个体进行二次更新，得到二次更新后的第一优化种群以及第二优化种群；

根据二次更新后的第一优化种群以及更新后的第二优化种群，重新确定最优个体以及至少一个适应度值最差的最劣个体；

针对最优个体，采用全局搜索更新方法对最优个体进行全局寻优；针对最劣个体，产生新的个体，并采用新的个体替换最劣个体；

判断是否满足迭代终止条件，若是，则结束训练，并将适应度值最大的个体作为调制信号模式选择模型的最终网络参数，否则重复对第一优化种群以及第二优化种群进行更新，直至满足迭代终止条件，并结束训练，将适应度值最大的个体作为调制信号模式选择模型的最终网络参数。