[发明专利]基于内隐知识构建图卷积网络的电磁信号识别方法及装置

权利要求书

1.一种基于内隐知识构建图卷积网络的电磁信号识别方法，其特征在于，包括以下步骤：

S1，获取多个电磁信号，并提取所述多个电磁信号的特征描述，根据所述多个电磁信号的特征描述生成特征矩阵作为第一类输入信息；其中，所述根据所述多个电磁信号的特征描述生成特征矩阵的方法包括：对所述电磁信号的特征描述进行降维处理；

S2，挖掘所述多个电磁信号的内隐知识，根据所述内隐知识构建基于电磁信号内隐知识的图结构作为第二类输入信息；包括：挖掘所述多个电磁信号的内隐知识，以比较不同电磁信号之间的相关性，根据不同电磁信号之间的相关性生成邻接矩阵，根据所述邻接矩阵构建图结构作为第二类输入信息；

S3，根据所述第一类输入信息和所述第二类输入信息搭建图卷积神经网络，利用弱监督学习方法对所述图卷积神经网络进行循环迭代训练，以使所述图卷积神经网络输出所述多个电磁信号的类别。

2.根据权利要求1所述的方法，其特征在于，所述内隐知识包括：调制类型、载波频率、码元速率、射频特征、频谱特征和信道特征。

3.根据权利要求1所述的方法，其特征在于，

所述多个电磁信号的特征描述为时频特征；

通过短时傅里叶变换、小波变换和希尔伯特—黄变换提取所述多个电磁信号的特征描述。

4.根据权利要求3所述的方法，其特征在于，所述S1还包括：

通过成分分析法、线性判别分析法和局部线性嵌入法对所述时频特征进行降维处理。

5.根据权利要求1所述的方法，其特征在于，所述S2，具体包括：

其中，所述图结构的图节点代表所述不同电磁信号。

6.根据权利要求1所述的方法，其特征在于，所述S3还包括：通过计算交叉熵来评估所述图卷积神经网络输出所述多个电磁信号的类别的准确度。

7.一种基于内隐知识构建图卷积网络的电磁信号识别装置，其特征在于，包括：

时频特征提取模块，用于获取多个电磁信号，提取所述多个电磁信号的特征描述，根据所述多个电磁信号的特征描述生成特征矩阵作为第一类输入信息；其中，所述根据所述多个电磁信号的特征描述生成特征矩阵的方法包括：对所述电磁信号的特征描述进行降维处理；

内隐知识图构建模块，用于挖掘所述多个电磁信号的内隐知识，根据所述内隐知识构建基于电磁信号内隐知识的图结构作为第二类输入信息；包括：挖掘所述多个电磁信号的内隐知识，以比较不同电磁信号之间的相关性，根据不同电磁信号之间的相关性生成邻接矩阵，根据所述邻接矩阵构建图结构作为第二类输入信息；

电磁信号分类模块，用于根据所述第一类输入信息和所述第二类输入信息搭建图卷积神经网络，利用弱监督学习方法对所述图卷积神经网络进行循环迭代训练，以使所述图卷积神经网络输出所述多个电磁信号的类别。

8.根据权利要求7所述的装置，其特征在于，

所述多个电磁信号的特征描述为时频特征；

通过短时傅里叶变换、小波变换和希尔伯特—黄变换提取所述多个电磁信号的特征描述；

所述内隐知识包括：调制类型、载波频率、码元速率、射频特征、频谱特征和信道特征。

9.根据权利要求7所述的装置，其特征在于，所述时频特征提取模块，还用于，

通过成分分析法、线性判别分析法和局部线性嵌入法对所述时频特征进行降维处理。

10.根据权利要求7所述的装置，其特征在于，所述电磁信号分类模块，还用于通过计算交叉熵来评估所述图卷积神经网络输出所述多个电磁信号的类别的准确度。