[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

说明书

本发明公开了一种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，其中，该方法包括：获取多个电磁信号，并提取多个电磁信号的特征描述，根据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；挖掘多个电磁信号的内隐知识，根据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；根据第一类输入信息和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图卷积神经网络进行循环迭代训练，以使图卷积神经网络输出多个电磁信号的类别。该方法可以利用每个节点的特征，挖掘节点与节点之间的关系，对每个电磁信号类别的特征进行深入的提取，构建图卷积神经网络，对电磁信号进行识别，利用更多的信息，泛化能力更强。

技术领域

本发明涉及电磁信号智能感知技术领域，特别涉及一种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。

背景技术

当今，随着移动通信设备的不断普及以及物联网技术的蓬勃发展，特别是在5G技术和物联网技术即将大规模应用的背景下，保护无线通讯的安全比如设备验证、非法发射设备监测等，不论是在民用通讯还是工业制造中都变得愈加重要。而信号细微特征的提取在这一领域展现出了巨大的应用价值，它可以利用信号处理技术对无线通信信号进行辨识并提取细微特征，然后与密钥系统配合使用，建立基于软硬件的双重识别体制，使得WLAN系统的信息安全得到提高，因此展现出了极为诱人的前景。而这一机制的核心则在于建立有效的电磁信号识别方法。

传统的识别方法是基于特征匹配、统计决策理论或支持向量机分类等方法。然而需要注意的是这些依赖于人工设计的识别方法在当前越来越复杂的电磁环境下，很难保证其对目标的辨识精度、对识别的响应速度。而通过过去几年机器学习在各领域的发展可以看到，机器学习对于解决感知和识别问题有着更好的表现。因此发展基于机器学习的智能电磁信号识别方法，提高电磁信号识别设备的智能化是十分重要的。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于内隐知识构建图卷积网络的电磁信号识别方法，该方法可以利用每个节点的特征，挖掘节点与节点之间的关系，对每个电磁信号类别的特征进行深入的提取，利用更多的信息，泛化能力更强。

本发明的另一个目的在于提出一种基于内隐知识构建图卷积网络的电磁信号识别装置。

为达到上述目的，本发明一方面实施例提出了一种基于内隐知识构建图卷积网络的电磁信号识别方法，包括：

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；

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；

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。

本发明实施例的基于内隐知识构建图卷积网络的电磁信号识别方法，基于电磁信号的内隐知识搭建图卷积神经网络，可以挖掘节点与节点之间的关系，对每个电磁信号类别的特征进行深入的提取，利用更多的信息，泛化能力强，同时充分利用信号的先验知识，增加了信号间的关系描述精确度，提升了分类准确度，提高了神经网络的可控性和可解释性。

另外，根据本发明上述实施例的基于内隐知识构建图卷积网络的电磁信号识别方法还可以具有以下附加的技术特征：

进一步地，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。

进一步地，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。