[发明专利]一种基于卷积神经网络的信号调制识别方法和装置

权利要求书

1.一种基于卷积神经网络的信号调制识别方法，其特征在于，包括：

比较接收到的信号的长度N与卷积神经网络支持的输入信号长度L是否相等；

当N等于L时，直接将所述接收到的信号输入到所述卷积神经网络中，以得到所述卷积神经网络输出的信号调制类型；

当N不等于L时，将所述接收到的信号进行相应的补齐或分段处理后输入到所述卷积神经网络中，以得到所述卷积神经网络输出的信号调制类型；

若N＜L，则按照所述卷积神经网络支持的输入信号长度L，对接收到的信号进行补零后，将信号输入到所述卷积神经网络中；

若N＞L，则将接收到的信号划分为长度为L的各信号段，并将各信号段输入到所述卷积神经网络中。

2.根据权利要求1所述的方法，其特征在于，对接收到的信号进行补零后，将信号输入到所述卷积神经网络中包括：

在接收到的信号的采样序列x(n)的尾部补上N-L个0后，将采样序列x(n)(n＝0,1,2,...,L-1)按照所述卷积神经网络的输入格式输入到卷积神经网络中以进行调制类型识别；

将接收到的信号划分为长度为L的各信号段，并将各信号段输入到所述卷积神经网络中包括：

对接收到的信号的采样序列x(n)，按间隔P滑动选取长度为L的各信号段y_i(m)，将各信号段y_i(m)按照卷积神经网络的输入格式输入到卷积神经网络中以进行调制类型识别；

其中，n＝0,1,2,...,N-1；y_i(m)＝x((i-1)P+m)，m＝0,1,2,...,L-1，i＝1,2,...,I，表示不大于(N-L+1)/P的最大整数；1≤P≤(N-L+1)。

3.根据权利要求2所述的方法，其特征在于，将各信号段y_i(m)按照卷积神经网络的输入格式输入到卷积神经网络并进行调制类型识别后，根据识别结果进行融合判决，或根据置信度进行融合判决。

4.根据权利要求3所述的方法，其特征在于，根据识别结果进行融合判决包括：

步骤S1，初始化信号段y_i(m)识别为第j种调制类型的次数v_j＝0，其中j＝1,2,...,M,M表示所述卷积神经网络支持识别的调制类型数目；

步骤S2，将y_i(m)输入所述卷积神经网络进行调制类型识别，得到原始识别结果o_i，其中o_i∈[1,2,...,M]；

步骤S3，若o_i＝j,则将第j种调制类型的次数v_j加1，重复步骤S2至S3直至信号段y_i(m)均识别完毕；

步骤S4，计算v_j的最大值，当v_j只有一个最大值时，则将最大值对应的下标j代表的调制类型作为最终的调制类型识别结果输出；当v_j的最大值为两个以上时，则随机选取一个最大值后将最大值对应的下标j代表的调制类型作为最终的调制类型识别结果输出。

5.根据权利要求3所述的方法，其特征在于，根据置信度进行融合判决包括：

步骤A1，将信号段y_i(m)输入到所述卷积神经网络进行调制类型识别，并得到置信度向量p_i＝[p_i,1,p_i,2,...,p_i,M]，

其中，p_i,j表示将信号段y_i(m)识别为第j种调制类型的置信度，j＝1,2,...,M，M表示所述卷积神经网络支持识别的调制类型数目；

步骤A2，计算第j种调制类型的置信度的平均值，得到j＝1,2,...,M；

步骤A3，确定所述平均值w_j的最大值，当w_j只有一个最大值时，则将最大值对应的下标j代表的调制类型作为最终的调制类型识别结果并输出；当w_j的最大值为两个以上时，则随机选取一个最大值后，将最大值对应的下标j代表的调制类型作为最终的调制类型识别结果输出。