[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

说明书

本发明公开一种基于轻量级深度网络的无线电信号认知识别方法，其实现步骤为：(1)构建编码调制联合信号；(2)生成训练样本集和测试样本集；(3)构建轻量级深度网络；(4)设置轻量级深度网络的参数；(5)训练轻量级深度网络；(6)获得认知识别准确率。本发明具有普适性强，可以直接处理一维无线电信号，不需要人工特征提取和先验知识，能同时认知识别无线电信号的信道编码方式和调制识别方式，复杂度低，模型轻量化，分类结果准确、稳定的优点，可用于无线电信号认知识别技术领域中。

技术领域

本发明属于通信技术领域，更进一步涉及信号处理技术领域中的一种轻量级深度网络的无线电信号认知识别方法。本发明模拟生物大脑认知识别的过程，可以在复杂的电磁环境下，自动提取各类无线电信号的层次化语义特征，实现无线电信号的自动信道编码类型与调制方式类型的联合认知识别。相比已有深度学习模型，本发明不仅具有计算复杂度低、参数规模小、易于硬件实现的特点，而且能在较低信噪比下获得准确的认知识别结果。

背景技术

无线电信号编码调制联合识别在军用电子对抗，敌对侦察和信号捕获分析上扮演着重要角色，在已知信息极度缺乏的情况下，信号的编码调制联合认识别作为信号处理流程关键工序，对信息的最终识别起到了决定性作用。目前国内外各大科研机构和高校的研究大都基于信号先验，采用人工设计特征的方法进行无线电信号的信道编码方式识别。这类传统方法需要大量的先验知识和专业系统的领域知识，所获得的特征在普适性和鲁棒性上存在诸多限制。随着通信环境的复杂化，信号所在的电磁环境的干扰也越来越多，在受到严重干扰的复杂通信环境下传统方法的缺点也愈发突出。另一方面，尽管基于传统方法的无线电信号信道编码类型的识别能在某类信号上能达到较满意的识别率，但在编码调制联合认知识别的准确性和有效性上有待进一步发展和提高。因此我们模拟生物大脑认知识别的过程，建立了一个轻量级深度网络模型，自动提取各类无线电信号的层次化语义特征，实现在复杂电磁环境下对无线电信号的自动特征提取和编码调制联合认知识别。

电子科技大学在其申请的专利文献“基于分数低阶循环谱的图域通信信号调制识别方法”(申请号201710546645.9申请公布号CN 107135176 A)中公开了一种基于分数低阶循环谱的图域通信信号调制识别方法。该方法的步骤是：利用接收信号的三维分数低阶循环谱，将被α稳定分布噪声干扰的调制信号转换到图域上，然后可以从图表示的稀疏邻接矩阵中提取有效特征参数行索引序列集合作为调制类型的特征，根据训练信号与接收信号的行索引序列集合汉明距离，来实现α稳定分布噪声干扰下，更稳定的更有效的通信信号调制类型的识别。该方法虽然提出了一种基于分数低阶循环谱的图域通信信号调制识别方法，但是，该方法仍然存在的不足之处是：该方法需要对信号进行图域转换才可以进行识别，过于依赖于人工特征提取，模型复杂。并且仅能单独识别信号的调制方式，无法对信号进行编码调制方式进行识别。

于沛东等人在其发表的论文“一种利用软判决的信道编码识别新算法”(电子学报2013年2月第2期)中阐述了一种利用软判决的编码识别新算法。该算法实现方法如下：基于含错方程模型，使用对数似然比，以方程成立的概率作为衡量解向量性能的量度，从而求解方程，完成信号的信道编码识别。该方法存在的不足之处是：该方法虽然提出了一种信道编码识别方法，但是需要了解大量信号先验知识，仅能单独识别信号的信道编码类型，无法对信号的调制方式进行识别，并且需要复杂的人工特征提取。

发明内容

本发明针对上述现有技术的不足，提出一种轻量级深度网络的无线电信号认知识别方法。

实现本发明目的的具体思路是，利用轻量级深度网络进行无线电信号认知识别。该算法在信号认知识别中能够达到较高的认知识别率，同时又能降低传统调制识别方法对人工特征提取和先验知识的高度依赖性，可以认知识别多种无线电信号的信道编码方式类型和调制方式类型，并简化了识别步骤。从而实现无线电信号编码调制联合认知识别，并使无线电信号编码调制联合认知识别更加灵活、高效。

实现本发明目的的具体步骤包括如下：

(1)构建编码调制联合信号：