[发明专利]基于异或神经网络的调制格式及信噪比识别方法及装置

权利要求书

1.一种基于异或神经网络的调制格式及信噪比识别方法，其特征在于，所述方法包括：

获取接收端所接收的数字域信号经过预处理后的待识别信号；

根据所述待识别信号生成星座图；

将所述星座图输入预先训练完成的信号识别神经网络，得到所述待识别信号的调制格式和信噪比，所述信号识别神经网络为异或神经网络，所述信号识别神经网络是根据训练集预先训练的，所述训练集包括多个样本信号对应的样本星座图以及每个样本信号的调制格式标签和信噪比标签，所述信号识别神经网络包含第一子网络和第二子网络，所述第一子网络为全精度卷积神经网络，所述第二子网络为二值化异或卷积神经网络，所述第一子网络的输出为所述第二子网络的输入。

2.根据权利要求1所述的方法，其特征在于，所述第一子网络包含全精度卷积层、第一批归一化层、激活函数层和第一最大池化层；所述第二子网络包含第二批归一化层、二值激活函数层、二值异或卷积层、第二最大池化层、二值全连接层和输出层。

3.根据权利要求2所述的方法，其特征在于，所述全精度卷积层的卷积核数目为20；所述二值异或卷积层的卷积核数目为500，所述二值全连接层的神经元数目为500。

4.根据权利要求1所述的方法，其特征在于，按照如下方式训练所述信号识别神经网络：

获取预设的异或神经网络模型和所述训练集；

将所述样本星座图输入所述异或神经网络模型，得到样本信号的调制格式和信噪比的识别结果；

基于所述样本信号的调制格式和信噪比的识别结果，以及样本信号的真实调制格式标签和信噪比标签，确定损失值；

基于所述损失值判断所述异或神经网络模型是否收敛；

若否，则调整所述异或神经网络模型中的参数值，并返回所述将所述样本星座图输入所述异或神经网络模型，得到样本信号的调制格式和信噪比的识别结果的步骤；

若是，则将当前的异或神经网络模型确定为信号识别神经网络。

5.一种基于异或神经网络的调制格式及信噪比识别装置，其特征在于，所述装置包括：

获取模块，用于获取接收端所接收的数字域信号经过预处理后的待识别信号；

生成模块，用于根据所述待识别信号生成星座图；

识别模块，用于将所述星座图输入预先训练完成的信号识别神经网络，得到待识别信号的调制格式和信噪比，所述信号识别神经网络为异或神经网络，所述信号识别神经网络是根据训练集预先训练的，所述训练集包括多个样本信号对应的样本星座图以及每个样本信号的调制格式标签和信噪比标签，所述信号识别神经网络包含第一子网络和第二子网络，所述第一子网络为全精度卷积神经网络，所述第二子网络为二值化异或卷积神经网络，所述第一子网络的输出为所述第二子网络的输入。

6.根据权利要求5所述的装置，其特征在于，所述第一子网络包含全精度卷积层、第一批归一化层、激活函数层和第一最大池化层；所述第二子网络包含第二批归一化层、二值激活函数层、二值异或卷积层、第二最大池化层、二值全连接层和输出层。

7.根据权利要求5所述的装置，其特征在于，所述装置还包括训练模块，所述训练模块用于训练所述信号识别神经网络，所述训练模块，具体用于：

获取预设的异或神经网络模型和所述训练集；

将所述样本星座图输入所述异或神经网络模型，得到样本信号的调制格式和信噪比的识别结果；

基于所述样本信号的调制格式和信噪比的识别结果，以及样本信号的真实调制格式标签和信噪比标签，确定损失值；

基于所述损失值判断所述异或神经网络模型是否收敛；

若否，则调整所述异或神经网络模型中的参数值，并返回所述将所述样本星座图输入所述异或神经网络模型，得到样本信号的调制格式和信噪比的识别结果的步骤；

若是，则将当前的异或神经网络模型确定为信号识别神经网络。