[发明专利]一种基于LSTM的分级式无线信号调制类型识别方法

权利要求书

1.一种基于LSTM的分级式无线信号调制类型识别方法，包括以下步骤：

(1)对获取的无线信号样本进行归一化处理，采用K均值聚类方法将归一化处理后的无线信号样本按照信噪比聚成k类，形成k个无线信号子集，每类的聚类中心作为无线信号子集中无线信号样本的信噪比标签；

(2)针对所有无线信号样本构建一个信噪比分类网络，并利用无线信号样本及对应的信噪比标签作为训练样本，对信噪比分类网络进行训练，获得信噪比分类模型，在对信噪比分类网络进行训练时，以交叉熵L_SNR作为信噪比分类网络的训练优化目标：

其中，L_SNR为信噪比分类损失函数，N为信号样本数量，y_SNR⁽ⁱ⁾为无线信号样本的信噪比等级预测值，为无线信号样本的信噪比等级标签值；

(3)对信噪比不大于0dB的无线信号子集中的无线信号进行滤波降噪处理；

(4)在步骤(3)之后，针对每类信噪比等级构建一个无线信号调制类型识别网络，利用与信噪比等级对应的无线信号子集中无线信号样本及无线信号样本对应的调制类型作为训练样本，训练无线信号调制类型识别网络，最终获得k个无线信号调制类型识别模型，在对无线信号调制类型识别网络进行训练时，以交叉熵L_mt作为无线信号调制类型识别网络的训练优化目标，

其中，L_mt为调制类型识别损失函数，N为信号样本数量，y_mt⁽ⁱ⁾为无线信号样本调制类型的预测值，为无线信号样本调制类型的标签值；

(5)将待识别无线信号经归一化处理后输入至信噪比分类模型中，获得该待识别信号的信噪比等级，并根据信噪比等级，将待识别无线信号输入至与信噪比等级对应的无线信号调制类型识别模型中，经计算获得待识别无线信号的调制类型；

其中，信噪比分类网络和无线信号调制类型识别网络均采用LSTM神经网络。

2.如权利要求1所述的基于LSTM的分级式无线信号调制类型识别方法，其特征在于，步骤(1)中，应用min-max归一化处理，将无线信号样本进行归一化处理，min-max归一化公式：

其中，x_max为所有无线信号样本对应数据值的最大值，x_min为所有信号样本中对应数据值的最小值，x为被归一化处理的数据，x^*为经过归一化处理后的数据。

3.如权利要求1所述的基于LSTM的分级式无线信号调制类型识别方法，其特征在于，步骤(1)中，在对归一化处理后的无线信号样本按照信噪比进行聚类前，还需要确定K均值聚类方法的最优k值，确定公式为：

其中，maxSNR为输入无线信号样本中最高的信噪比值，minSNR为输入无线信号样本中最低的信噪比值，max{,}表示求2与(maxSNR-minSNR)/4中的较大值，k为最优分类数。

4.如权利要求1所述的基于LSTM的分级式无线信号调制类型识别方法，其特征在于，步骤(1)中，聚类的具体过程为：

(a)从无线信号样本中按信噪比等间距的原则选取k个无线信号样本作为初始聚类中心；

(b)根据相似度将剩下的无线信号样本分配给与其最相似的聚类，并重新计算新聚类中心，对应的相似度计算公式为：

其中，μ_i为对应质心，x_j表示第j个无线信号样本点，S_i表示无线信号样本集，D表示无线信号样本点x_j到质心μ_i的距离平方和，最优的聚类结果应使得D达到最小值；

(c)不断重复步骤(b)，直到无线信号样本的均方差收敛为止，标准差公式为：

其中，σ表示均方误差，N表示信号样本数，x_i表示每个信号样本的坐标，μ表示聚类中心。

5.如权利要求1所述的基于LSTM的分级式无线信号调制类型识别方法，其特征在于，步骤(3)中，设置滤波窗口为Q*P，其中Q为时间长度窗口，P为特征维度窗口，Q取值为8～12，P取值为1～3。

6.如权利要求5所述的基于LSTM的分级式无线信号调制类型识别方法，其特征在于，Q取值为10，P取值为2。