[发明专利]基于深度学习的无线信号检测与电磁干扰分类系统及方法

权利要求书

1.一种基于深度学习的无线信号检测与电磁干扰分类系统，其特征在于：包括接收信号预处理与特征挖掘单元以及卷积神经网络信号检测与干扰分类单元；

所述接收信号预处理与特征挖掘单元设置有依次连接的AP模块和FM模块；所述AP模块的输入端连接有无线频谱监测装置，该无线频谱监测装置用于对天线接收信号进行处理后得到观测数据，所述AP模块对观测数据进行解析处理，并输出复值信号；所述FM模块包括无线信号检测数据挖掘块和电磁干扰分类数据挖掘块；所述无线信号检测数据挖掘块用于对所述复值信号进行检测数据挖掘，得到无线信号检测数据集；所述电磁干扰分类数据挖掘块用于对所述复值信号进行分类数据挖掘，得到电磁干扰分类数据集；

所述卷积神经网络信号检测与干扰分类单元包括LT模块和DC模块，所述LT模块包括并行连接的第一训练块和第二训练块；该第一训练块利用无线信号检测数据集进行第一组卷积神经网络训练，得到卷积神经网络无线信号检测模型；所述第二训练块利用电磁干扰分类数据集进行第二组卷积神经网络训练，得到卷积神经网络电磁干扰分类模型；所述DC模块用于将所述无线信号检测数据集送入卷积神经网络无线信号检测模型执行无线信号检测；所述DC模块还用于将所述电磁干扰分类数据集送入所述卷积神经网络无线信号检测模型执行电磁干扰分类。

2.根据权利要求1所述的基于深度学习的无线信号检测与电磁干扰分类系统，其特征在于：所述第一组卷积神经网络采用4层结构，包括第一卷积层、第二卷积层、致密层和softmax分类器；

所述第二组卷积神经网络采用6层结构，包括第一卷积层、第一池化层、第二卷积层、第二池化层、致密层和softmax分类器。

3.根据权利要求1或2所述的基于深度学习的无线信号检测与电磁干扰分类系统的方法，其特征在于按照以下步骤进行：

S1：无线频谱监测装置对天线接收信号放大、混频和滤波后送入模数转换器，以采样率f_s＝1/T_s采样，获得观测数据r[n]：

r[n]＝s[n]+m[n]＝Ae^jφ[n]+m[n],n＝0,1,2,…

其中，T_s表示信号的符号周期，s[n]表示发射信号，m[n]表示与发射信号叠加的串扰和噪声，A表示发射信号的幅度，φ[n]表示发射信号的相位；

S2：接收信号预处理与特征挖掘单元的AP模块对观测数据做解析处理，构造复值信号x[n]：

其中，H{·}表示希尔伯特变换，x_I[n]表示复值信号x[n]的同相分量；x_Q[n]表示复值信号x[n]的正交分量；

S3A：接收信号预处理与特征挖掘单元的无线信号检测数据挖掘块对所述复值信号进行检测数据挖掘，得到无线信号检测数据集；

S4A：卷积神经网络信号检测与干扰分类单元的第一训练块利用无线信号检测数据集结合梯度下降算法、交叉熵设计损失函数进行第一组卷积神经网络训练，得到卷积神经网络无线信号检测模型；

S5A：利用训练后卷积神经网络无线信号检测模型执行无线信号检测；

S3B：接收信号预处理与特征挖掘单元的电磁干扰分类数据挖掘块对所述复值信号进行分类数据挖掘，得到最终电磁干扰分类数据集；

S4B：卷积神经网络信号检测与干扰分类单元的第二训练块利用电磁干扰分类数据集结合梯度下降算法、交叉熵设计损失函数进行第二组卷积神经网络训练，得到卷积神经网络电磁干扰分类模型；

S5B：利用训练后积神经网络电磁干扰分类模型执行电磁干扰分类。