[发明专利]一种单通道信号源个数估计方法和装置

权利要求书

1.一种单通道信号源个数估计方法，其特征在于，所述方法包括：

获取多个信号样本数据，所述多个信号样本数据包括各种不同数字通信调制样式的混合射频信号以及每种信号对应的信号源个数；

构造适用于信号处理的卷积神经网络；

使用所述多个信号样本数据对构造的卷积神经网络进行训练，得到信号源个数估计网络模型；

将单通道接收的实际信号作为待估计信号数据输入至所述信号源个数估计网络模型，输出所述待估计信号数据的信号源个数。

2.如权利要求1所述的方法，其特征在于，所述获取多个信号样本数据包括：

将各种不同数字通信调制样式的混合射频信号进行接收采样，得到复基带采样序列s(n)，n＝0,1,2,...,M-1，其中，M为信号采样点数；

提取所述复基带采样序列的I路数据和Q路数据分别作为一个列向量，构造M行2列的矩阵x＝[I,Q]作为信号样本数据；

获取N个信号样本数据[x_i,y_i]，其中，x_i表示第i个信号样本数据，y_i表示第i个信号样本数据实际包含的信号源个数，N表示获取的信号样本数据的总数。

3.如权利要求1所述的方法，其特征在于，所述构造适用于信号处理的卷积神经网络包括：

构造包括输入层、中间层和输出层的卷积神经网络；

所述卷积神经网络的输入层的大小为M行2列，M为信号采样点数；

所述卷积神经网络的中间层至少包含一个卷积层、池化层、非线性激活层和全连接层；

所述卷积神经网络的输出层为分类层或回归层，如果所述卷积神经网络的输出层为分类层，则输出的估计所得的信号源个数为可枚举的离散数值；如果所述卷积神经网络的输出层为回归层，则输出的估计所得的信号源个数为连续区间。

4.如权利要求2所述的方法，其特征在于，所述使用所述多个信号样本数据对构造的卷积神经网络进行训练，得到信号源个数估计网络模型包括：

从所述N个信号样本数据中随机选取C(1CN)个信号样本数据作为训练集，其余信号样本数据作为测试集；

利用误差反向传播算法中的随机梯度下降法，使用所述训练集和所述测试集的信号样本数据对构造的卷积神经网络进行训练，直至训练曲线收敛，将训练好的卷积神经网络作为信号源个数估计网络模型。

5.如权利要求2所述的方法，其特征在于，所述将单通道接收的实际信号作为待估计信号数据输入至所述信号源个数估计网络模型，输出待估计信号数据的信号源个数包括：

对待估计信号数据进行接收采样，得到复基带采样序列s(n)，n＝0,1,2,...,M-1；

提取所述复基带采样序列s(n)的I路数据和Q路数据分别作为一个列向量，构造M行2列的矩阵；

将所述矩阵输入所述信号源个数估计网络模型，网络模型的输出结果即为估计所得的所述待估计信号数据中的信号源个数。

6.一种单通道信号源个数估计装置，其特征在于，所述装置包括：

样本获取单元，用于获取多个信号样本数据，所述多个信号样本数据包括各种不同数字通信调制样式的混合射频信号以及每种信号对应的信号源个数；

构造单元，用于构造适用于信号处理的卷积神经网络；

训练单元，用于使用所述样本获取单元获取的多个信号样本数据对所述构造单元构造的卷积神经网络进行训练，得到信号源个数估计网络模型；

个数估计单元，用于将单通道接收的实际信号作为待估计信号数据输入至所述训练单元得到的信号源个数估计网络模型，输出待估计信号数据的信号源个数。