[发明专利]基于轻量级深度网络的无线电信号认知识别方法有效
申请号: | 201711293537.1 | 申请日: | 2017-12-08 |
公开(公告)号: | CN108282426B | 公开(公告)日: | 2019-11-26 |
发明(设计)人: | 杨淑媛;焦李成;黄震宇;王敏;吴亚聪;王喆;李兆达;张博闻;宋雨萱;李治;王翰林;王俊骁 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | H04L27/00 | 分类号: | H04L27/00;H04L1/00;H04B17/391 |
代理公司: | 61205 陕西电子工业专利中心 | 代理人: | 田文英;王品华<国际申请>=<国际公布> |
地址: | 710071 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 无线电信号 认知 网络 构建 信道编码方式 测试样本集 训练样本集 编码调制 分类结果 联合信号 特征提取 先验知识 直接处理 复杂度 普适性 轻量化 准确率 可用 调制 | ||
1.一种基于轻量级深度网络的无线电信号认知识别方法,其特征在于,包括如下步骤:
(1)构建编码调制联合信号:
(1a)将接收到的信息序列集合中的每一个信息序列,依次进行四种信道编码,生成不同的编码信号;
(1b)将编码后的每一个信号依次进行六种调制,得到编码调制联合信号;
(2)生成训练样本集和测试样本集:
(2a)对编码调制联合信号中每一个信号样本的所有信息点以100个信息点为间隔,将每次连续采集440个信息点组成一个信号样本,将所有的信号样本组成信号样本集;
(2b)从信号样本集中随机抽取80%的信号样本组成训练样本集,剩余的信号样本组成测试样本集;
(3)构建轻量级深度网络:
(3a)搭建一个自动提取编码调制联合信号特征的16层轻量级深度网络,其结构为:输入层→第一卷积层→第二卷积层→第一池化层→第三卷积层→第二池化层→第四卷积层→第三池化层→第五卷积层→第四池化层→第六卷积层→第五池化层→第一全连接层→第二全连接层→分类器层→输出层;
(3b)设置轻量级深度网络中的损失函数为交叉熵、优化算法为误差逆传播算法、激活函数设置为修正线性单元激活函数;
(4)设置轻量级深度网络的参数:
(4a)设置输入层为440个输入神经单元;
(4b)设置轻量级深度网络中不同卷积层的不同卷积核的参数如下:第一卷积层为64个卷积核,每个卷积核为1×19的矩阵;第二卷积层为64个卷积核,每个卷积核为1×21的矩阵;第三卷积层为128个卷积核,每个卷积核为1×19的矩阵;第四卷积层为128个卷积核,每个卷积核为1×21的矩阵;第五卷积层为256个卷积核,每个卷积核为1×19的矩阵;第六卷积层为256个卷积核,每个卷积核为1×21的矩阵;
(4c)将第一池化层、第二池化层、第三池化层、第四池化层和第五池化层的池化方式设置为最大池化方式;将分类器层设置为多分类函数Softmax;
(4d)设置轻量级深度网络中第一全连接层和第二全连接层的神经元个数分别为64和24;
(5)训练轻量级深度网络:
将训练样本集输入到轻量级深度网络中训练18次,得到训练好的轻量级深度网络;
(6)获得认知识别准确率:
(6a)将测试样本集输入到训练好的轻量级深度网络中,得到认知识别结果;
(6b)将认知识别结果与测试样本集的真实类别进行对比,统计认知识别正确率。
2.根据权利要求1所述的基于轻量级深度网络的无线电信号认知识别方法,其特征在于,步骤(1a)中所述四种信道编码是指,汉明码信道编码、二分之一码率的216非系统卷积码信道编码、三分之二码率的216非系统卷积码信道编码、四分之三码率的432非系统卷积码信道编码。
3.根据权利要求1所述的基于轻量级深度网络的无线电信号认知识别方法,其特征在于,步骤(1b)中所述六种调制是指,二进制相移键控调制、四进制相移键控调制、八进制相移键控调制、二进制数字频率调制、二进制数字频率调制与频率调制结合的二次调制、四进制相移键控与频率调制结合的二次调制。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711293537.1/1.html,转载请声明来源钻瓜专利网。