[发明专利]莫尔斯电码深度学习训练数据制作方法

说明书

本发明涉及通讯信号处理技术领域，具体涉及莫尔斯电码深度学习训练数据制作方法。包括以下步骤：S1、获取莫尔斯电码音频信号样本，并对莫尔斯电码音频信号样本进行预处理，获得预处理后的音频信号；S2、对预处理后的音频信号进行解析和转化，生成音频信号的频谱图片；S3、建立神经网络模型对频谱图片进行训练数据的自动预标记；S4、对自动预标记后的频谱图片进行训练数据的人工标记；S5、综合自动预标记和人工标记的结果，生成训练数据标记结果，将训练数据标记结果和莫尔斯电码音频信号样本关联保存。本发明可以快速、高效、精准地完成莫尔斯电码深度学习训练数据的制作，为莫尔斯电码的深度学习和智能识别提供训练数据集。

技术领域

本发明涉及通讯信号处理技术领域，具体涉及莫尔斯电码深度学习训练数据制作方法。

背景技术

世界范围内电报通信普遍采用莫尔斯电码方式，在抄收报文的过程中都采用人工抄报方式，尚没有一种机器或设备能够替代人工进行报文的抄收。莫尔斯电码作为国际通用的电报通信符号，它以长短不同的信号进行各种组合来代表一定的字母、数字和标点符号。在书写时，短信号一般以点“.”来代表，长信号以划“-”来代表。为了区别点与划以及分清各个字符，对点、划的长度及各类间隔都有严格的规定：1个划等于3个无间隔点的长度；一个字符中，点与点、划与划、点与划的间隔为1个点的长度；相邻字符的间隔为3个点的长度；相邻单词或相邻两个单词的间隔为5个点的长度。

报务员要想熟练地抄收莫尔斯电码，必须熟记每个电码符号。数字的电码符号比较容易掌握，字母和标点符号可按组合规律分类去记，当听到一个符号能不假思索地读出其代表的字符后，才可以开始摩尔斯电码的抄收训练。训练过程由慢到快地循序渐进，一般培训一个合格的报务员需要八个月左右的时间。由此可知，人工抄报工作方式存在三个大的缺陷：1、报务员工作时间短，一般人工报务员工作二小时就得休息，无法进行长时间持续不停的抄收工作；2、报务员劳动强度大，报务员要具备超强的脑工和手工，要十分的精准的接收和把握声音信号，并纠正机器发报过程中的极少错误，才得出一份文本文件作为报文结果；3、报务员训练周期长，不利于快速和大数量的进行复制。

随着近年人工智能和深度学习的流行和普及，一系列基于图像识别或语音识别的公开训练数据集得以建立。但是针对某些类型的训练数据集却很稀缺，特别是在识别莫尔斯电码声音信号领域，全世界并没有公开的数据集。另一方面，无线电摩尔斯电码声音信号由于其特殊性，如高噪音等，只有经过长期训练的发报员才能很好的识别出高噪音声音中的信号，这也对于建立数据集带来了很大的难度。

发明内容

针对现有技术存在的不足，本发明提供了莫尔斯电码深度学习训练数据制作方法，其应用时，可以快速、高效、精准地完成莫尔斯电码深度学习训练数据的制作，为莫尔斯电码的深度学习和智能识别提供训练数据集。

本发明所采用的技术方案为：

莫尔斯电码深度学习训练数据制作方法，包括以下步骤：

S1、获取莫尔斯电码音频信号样本，并对莫尔斯电码音频信号样本进行预处理，获得预处理后的音频信号；

S2、对预处理后的音频信号进行解析和转化，生成音频信号的频谱图片；

S3、建立神经网络模型对频谱图片进行训练数据的自动预标记；

S4、对自动预标记后的频谱图片进行训练数据的人工标记；

S5、综合自动预标记和人工标记的结果，生成训练数据标记结果，将训练数据标记结果和莫尔斯电码音频信号样本关联保存。

作为上述技术方案的优选，在步骤S1中，对莫尔斯电码音频信号样本进行预处理的步骤包括：首先对信号进行放大处理，然后对放大后的信号进行滤波处理，最后对滤波后的信号进行降噪处理。