[发明专利]基于深度混合路由网络识别通信信号的方法

说明书

本发明公开了一种基于深度混合路由网络识别通信信号的方法，该方法包括：获取信号数据，并提取相应信号特征；设计混合路由网络模型，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；利用获取的信号数据对网络模型进行训练，根据训练效果选择混合多路由单元的的网络模型；利用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。本发明提供的混合路由网络结构为复杂的路由逻辑网络设计提供了一种简单的形式，所使用的网络可以生成多种路由模式，从而增强了提取信号特征的性能，并具有更快的训练速度。

技术领域

本发明涉及深度学习算法技术领域，尤其是涉及到一种基于通信信号种类分类识别的方法。

背景技术

随着无线通信的发展，在发射机处识别某些发射参数已成为电信研究领域中的热点话题，具有广泛的用途。通常，信号的时频信息来自未知或部分已知的来源。如今，信号种类分类一直是军事和民用无线通信中采用的智能无线电的重要组成部分。

信号种类识别在军事领域具有重要地位。现代电子战(Electronic Warfare，EW)包括三个主要方面：电子支持(Electronic Support，ES)，电子攻击(Electronic Attack，EA)和电子保护(Electronic Protect，EP)。ES的目标是从无线电信号发射中获取信息。成功的信号检测由信号种类识别算法确定，分类结果可以为EA提供有价值的支持，可以扩展到EW中的所有模块中。随着通信资源的拥挤和消费者的涌现，民用无线领域频谱稀缺的瓶颈问题变得更加严重。然而，对于最大容量和最佳服务质量的实际要求在通信过程中面临多重干扰的巨大困难。随着认知无线电(Cognitive Radio，CR)的出现，关注民用地区的信号分类系统越来越受到关注，认知无线电通过收发器的灵活功能来重建传输参数。CR收发器与传统收发器的显著不同之处在于对传输源的环境感知。因此，CR被认为民用地区信号分类系统的重要组成部分和最有吸引力的研究领域。在上述两个领域中，信号种类识别是实现智能无线电的基础。

在水下声通道中通常认为是最困难的通信信道之一。鉴于信号衰减低，声波是水下通信中最通用的传输方式，被认为是极低频率(只有几kHz)的宽带系统。以这种方式，在带宽的情况下中心频率不是不可感知的。多径干扰会对声传播产生巨大影响，并且众所周知，水中的声速非常慢，接近1500m/s。水下设备运动造成了过多的多普勒影响，并且延迟扩展有数十甚至数百毫秒，从而导致信号频率选择性衰落。这是水下无线通信的一个突出限制，特别是与光波和电磁波的传输性能相比尤其明显。

调制分类算法主要由基于似然(Likelihood-Based，LB)的方法和基于特征(Feature-Based,FB)的方法组成。当分类器需要掌握理想的信道参数时，LB算法可在分类精度上实现最佳性能。LB分类器的一般解决方案包括两部分。首先，每个信号种类假设都会评估接收信号的可能性，选择的通道模型源自概率函数，该概率函数可满足低复杂度要求或适应非合作环境；其次，多样化信号种类假设的概率与分类确定之间存在对比。实际上，最关键的追求是非合作策略中的多功能性和计算复杂性的进步。它主要由平均似然比检验(Average Likelihood Ratio Test，ALRT)，广义似然比检验(Generalized LikelihoodRatio Test，GLRT)和混合似然比检验(Hybrid Likelihood Ratio Test，HLRT)组成。假设随后的ALRT，GLRT和HLRT分类器知道了理想的信道信息，或者在某些情况下，它们不知道一两个信道参数。在这些分类器中，最复杂的分类器是ALRT的似然函数，它可以使用指数运算和多积分计算。GLRT似然函数具有更容易表达的方法，但有偏差分类的结果。HLRT融合了ALRT和GLRT的优点，在复杂性和分类性能之间的两个因素是平等的。这些方法试图降低最大似然分类器的复杂度，这始终是主要问题。