[发明专利]一种基于光学辅助的射频调制格式识别方法

权利要求书

1.一种基于光学辅助的射频调制格式识别方法，其特征在于，包括以下步骤：

步骤1：产生常见的五种射频调制格式，利用电光调制器将射频信号调制到光载波上；

步骤2：利用光耦合器将已调制的光信号分成完全等同的两路光信号；

步骤3：将两路光信号中的任意一路输入光时延器，另一路则不做时延处理；

步骤4：利用偏振合束器将两路光信号合并在一起，通过光电探测器恢复出射频信号，从而实现特征提取；

步骤5：利用示波器对恢复出的射频信号采样；

步骤6：对采样信号做数据预处理，生成适合神经网络的输入数据；

步骤7：利用神经网络对五种常见的射频调制格式识别分类。

2.根据权利要求1所述的一种基于光学辅助的射频调制格式识别方法，其特征在于，所述步骤6具体为：首先对示波器采样的射频信号进行希尔伯特变换，再平滑滤波，接着做功率归一化处理，最后生成统计直方图作为神经网络的输入。

3.根据权利要求1所述的一种基于光学辅助的射频调制格式识别方法，其特征在于，所述步骤7中采用的是深度神经网络DNN，其搭建步骤为：

(1)首先搭建一个仅含有一层隐藏层的反向传播神经网络BP，并确定输入层节点数和输出层节点数；

(2)权值和偏置初始化，权值初始化的取值范围为[-0.05，0.05]的均匀分布值，偏置初始化全为0；

(3)确定隐藏层激活函数、输出层激活函数、优化器和误差计算函数：DNN中隐藏层激活函数采用ReLU函数，输出层激活函数采用Softmax函数，优化器采用Adam算法，误差计算函数采用交叉二元熵；

(4)确定隐藏层节点数：隐藏层节点数取值范围为输出神经元和输入神经元之间的值，用该范围的所有值依次作为隐藏层节点数，通过比较最终训练数据的识别正确率，取节点数少且识别正确率高的值作为网络的隐藏层节点数；

(5)确定DNN中的隐藏层层数：通过前面的步骤已经搭建了一个基本的BP框架，设定一个用来观测训练数据的识别正确率和损失函数明显变化的Epoch值，将隐藏层的层数逐渐增加且每一层的隐藏层节点数和第一个隐藏层节点数相同，通过观测训练数据识别正确率和损失函数的变化情况，确定一个层数值少并且训练数据识别正确率高的隐藏层层数；

(6)确定DNN中的Epoch值：预先对DNN设定一个Epoch值，观测训练数据的损失函数曲线和验证数据的损失函数曲线，当验证数据的损失曲线的趋势不再是向零趋近反而开始逐渐增大时，取该转折点的Epoch值作为DNN的最终Epoch取值。