[发明专利]信号调制模式识别方法、装置、设备和可读存储介质

说明书

本发明公开了一种信号调制模式识别方法、装置、设备和可读存储介质。方法包括：对接收到的待识别信号进行短时傅里叶变换得到所述待识别信号的时频图；将所述时频图输入训练好的卷积神经网络模型中，输出所述待识别信号的调制模式识别结果。本发明能够有效地对信号进行调制模式识别。

技术领域

本发明涉及通信技术领域，尤其是涉及一种信号调制模式识别方法、装置、设备和可读存储介质。

背景技术

信号调制模式识别是信号检测和信号解调之间的重要步骤，其目的在于，在没有其他先验知识的情况下，通过对接收信号的处理，判断出信号的调制方式，在信号检测、诈骗评估及频谱检测领域中有重要作用。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种信号调制模式识别方法，能够有效地对信号进行调制模式识别。

本发明还提出一种信号调制模式识别装置。

本发明还提出一种信号调制模式识别设备。

本发明还提出一种计算机可读存储介质。

第一方面，本发明的一个实施例提供了一种信号调制模式识别方法：包括：

对接收到的待识别信号进行短时傅里叶变换得到所述待识别信号的时频图；

将所述时频图输入训练好的卷积神经网络模型中，输出所述待识别信号的调制模式识别结果。

本发明实施例的种信号调制模式识别方法至少具有如下有益效果：通过短时傅里叶变换对信号进行时频分析，将信号在二维时频维度上表征，并通过卷积神经网络进行调制模式识别，提高了调制识别的准确度。

根据本发明的另一些实施例的信号调制模式识别方法，，还包括对所述待识别信号进行降噪处理，所述降噪处理包括对所述待识别信号进行高斯滤波。

进一步地，所述卷积神经网络模型包括第一卷积层、第二卷积层、第三卷积层和第四卷积层，所述第一卷积层滤波器的数量为64，卷积核的大小为3*3，所述第二卷积层滤波器的大小为32，卷积核的大小为3*3，所述第三卷积层滤波器的大小为12，卷积核的大小为3*3、所述第四卷积层滤波器的大小为8，卷积核的大小为3*3。

进一步地，所述第一卷积层、所述第二卷积层和所述第三卷积层后为最大池化层。

进一步地，所述卷积神经网络模型还包括全连接层。

进一步地，所述卷积神经网络模型的激活函数为ReLU函数。

进一步地，所述卷积神经网络模型训练中包括使用随机梯度下降法网络最小化交叉熵损失函数。

第二方面，本发明的一个实施例提供了一种信号调制模式识别装置:包括：

信号表征模块，用于输出待识别信号的时频图；

卷积神经网络模式识别模块，用于将所述时频图输入训练好的卷积神经网络模型中，输出所述信号的调制模式识别结果。

第三方面，本发明的一个实施例提供了一种信号调制模式识别设备:包括：

至少一个处理器，以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的信号调制模式识别方法。

第四方面，本发明的一个实施例提供了一种信号调制模式识别设备:所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行所述的信号调制模式识别方法。

附图说明