[发明专利]一种基于图神经网络的通信信号调制方式的识别方法

权利要求书

1.一种基于图神经网络的通信信号调制方式的识别方法，其特征在于，所述基于图神经网络的通信信号调制方式的识别方法在发射端发射多种调制方式的调制信号，接收端接收并存储调制信号和对应的调制方式，得到通信信号调制方式识别数据集；将数据集按照图神经网络接口的数量进行划分，得到多个训练样本子集，将训练样本子集逐个输入特征嵌入网络，输出调制信号的特征嵌入向量，再将特征嵌入向量集输入图神经网络，输出测试样本的特征向量；最终将测试样本的特征向量映射为分类结果，根据分类结果对特征嵌入网络和图神经网络进行训练，完成训练后可以用来识别未知调制信号的调制方式；

所述基于图神经网络的通信信号调制方式的识别方法包括以下步骤：

步骤一，发射端发送多种调制方式的调制信号；

发射端根据不同调制方式的星座图将发送信息映射为不同类别的调制信号，将调制信号经过多种信噪比的信道发送出去；

步骤二，接收端处理并存储调制信号；

接收端收到调制信号后对其做下变频操作，得到基带复信号向量，将复信号向量按照实部和虚部拆分成Q/I两行的矩阵，将所有调制信号样本对应的Q/I矩阵堆叠为三维矩阵，三个维度分别表示样本序号、Q/I及样本长度；

步骤三，构建通信信号调制方式识别数据集；

存储三维矩阵和每个样本相应的调制方式，得到通信信号调制方式识别数据集；

步骤四，将数据集划分为多个训练样本子集；

根据输入图神经网络的每个图结构包含的调制方式类别总数、每个类别包括的样本总数以及测试样本总数，对数据集进行划分，获得多个训练样本子集；

步骤五，特征嵌入网络提取训练样本子集中每个样本的特征嵌入向量；

步骤六，训练特征嵌入网络和图神经网络；将训练样本子集的特征嵌入矩阵输入图神经网络，经过多层图神经网络的处理，最终得到测试样本的预测结果，根据预测结果来训练特征嵌入网络和图神经网络；

步骤七，识别未知调制信号样本的调制方式；

完成特征嵌入网络和图神经网络训练后，根据训练样本子集的组成规则，将未知的新测试样本和样本集中的训练样本组合成新样本子集，将新样本子集输入特征嵌入网络，得到新样本子集对应的特征嵌入矩阵，将其输入图神经网络，得到未知新测试样本的预测调制方式。

2.如权利要求1所述的基于图神经网络的通信信号调制方式的识别方法，其特征在于，所述步骤四将数据集划分为多个训练样本子集具体包括：

第一步，按照下式，计算每个训练样本子集中样本的个数：

N＝M·C+T；

其中，N表示每个训练样本子集中样本的个数，·表示相乘操作，M表示调制方式类别的个数，C表示每个类别包括的训练样本数，T表示测试样本数；

第二步，按照每个训练样本子集中包含的各种训练样本和测试样本的个数将数据集划分为多个训练样本子集。

3.如权利要求1所述的基于图神经网络的通信信号调制方式的识别方法，其特征在于，所述步骤五特征嵌入网络提取训练样本子集中每个样本的特征嵌入向量具体包括：

第一步，构建基于卷积神经网络的特征嵌入网络，特征嵌入网络由1个输入层、4个卷积层、3个池化层、1个全连接层和1个输出层组成，输出层后添加Softmax分类激活函数，池化层后添加ReLU激活函数；

第二步，将每个训练样本子集中的样本逐个输入特征嵌入网络，输出样本的特征嵌入向量，将每个训练样本子集对应的特征嵌入向量堆叠在一起得到每个训练样本子集的特征嵌入矩阵。