[发明专利]一种基于卷积神经网络的信号调制码型识别方法

权利要求书

1.一种基于卷积神经网络的信号调制码型识别方法，其特征在于，包括以下步骤：

步骤1、获取不归零码开关键控，归零码开关键控和归零码差分相移键控三种调制码型的眼图图像，并且对眼图数据进行降采样和灰度化的预处理，得到眼图训练数据；

步骤2、构建用于信号调制码型识别的卷积神经网络，该网络含有九个抽象层，各抽象层之间的逻辑关系如下：

2.1、将数据输入卷积层，卷积计算后产生输出；

2.2、将卷积层输出数据输入池化层，池化计算后产生输出；

2.3、将池化层输出数据输入随机打乱正则化层，正则化计算后产生输出；

2.4、将正则化层输出数据输入卷积层，卷积计算后产生输出；

2.5、将卷积层输出数据输入池化层，池化计算后产生输出；

2.6、将池化层输出数据输入随机打乱正则化层，正则化计算后产生输出；

2.7、将正则化层输出数据输入卷积层，卷积计算后产生输出；

2.8、将卷积层输出数据输入池化层，池化计算后产生输出；

2.9、将池化层输出数据输入全连接层，产生线性数据输出；

步骤3、利用步骤1预处理后的眼图训练数据对步骤2构建的卷积神经网络进行训练；

步骤4、将待识别的信号调制码型输入步骤3训练好的卷积神经网络，根据输出的线性数据实现对三种信号调制码型的分类。

2.如权利要求1所述的基于卷积神经网络的信号调制码型识别方法，其特征在于，所述卷积层使用多核卷积，根据卷积核数量，单个卷积层内产生多个单通道卷积输出图像。

3.如权利要求1所述的基于卷积神经网络的信号调制码型识别方法，其特征在于，所述池化层的池化视野小于卷积核的大小，每个池化视野内取最大权值输出。

4.如权利要求1所述的基于卷积神经网络的信号调制码型识别方法，其特征在于，所述正则化层为随机打乱正则化层，正则化区域小于卷积核的大小，正则化区域内权值随机打乱。