[发明专利]基于深度混合路由网络识别通信信号的方法

权利要求书

1.一种基于深度混合多路由网络识别通信信号的方法，其特征在于，该方法包括以下步骤：

S1：获取信号数据，并提取相应信号特征；

S2：设计混合多路由网络模型，该模型以CNN神经网络为基础模型，添加多路由单元，各个单元之间通过跨层连接网络方式相结合，设计不止一个混合多路由网络模型；

S3：利用S1获取的信号数据对S2的网络模型进行训练，根据训练效果选择混合多路由单元的网络模型；所述混合多路由网络模型的基本组成包括输入层、卷积层、maxPooling层、多路由单元层、轨道重组和连接层，全局映射池层和全连接层；所述多路由单元层由多个所述多路由单元叠加而成；

S4：利用S3获取的混合多路由网络模型对信号数据进行识别，最终输出识别结果。

2.如权利要求1所述的方法，其特征在于，所述S1中，还包括将信号特征以可变数据组的形式输入至混合多路由网络模型中；各种不同的信号数据组表示为

其中，M是分组总数，m是分组编号；是与组号相对应的信号比特序列，Φ是信号的总数，信号位是当前检索组，h是获得的信号位号，用作所使用网络中信号种类的输入序列，φ′是当前信号比特序列。

3.如权利要求1所述的方法，其特征在于，所述输入层直接接收原始信号数据；所述卷积层和MaxPooling层对信号数据进行预处理，它们的卷积核为3×3。

4.如权利要求1所述的方法，其特征在于，所述多路由单元中，主分支l₀由7个基本层组成，包括具有l₁的卷积核的GConv，批量归一化，relu激活函数，具有卷积核的深度卷积，在2×2的二维卷积中，卷积核为1×1；在辅助路径上可选择的三个分支分别对应于l₁，l₂，l₃；其中，辅助分支l₁由五个基本层组成，包括具有3×3卷积内核的DepthConv_2，两个BN，Conv_2和ReLU；辅助分支l₂包括平均池，辅助分支l₃是直接连接的链接层。

5.如权利要求1所述的方法，其特征在于，多个所述多路由单元的叠加来实现层级结构，对应的公式如下：

其中j表示叠加单位，j＝1，2，…，J，J表示最大叠加单元数，l₀表示主分支，表示辅助分支的选择函数，u表示不同辅助分支的可选模式，u＝1，2，…，U，U表示辅助分支的总数，j层可以选择从1到U所需的任何可选辅助分支，代表最终的网络结构。