[发明专利]基于残差网络和频域图形的测控信号调制识别方法

说明书

本发明公开了一种基于残差网络和频域图形的测控信号调制识别方法。本发明步骤：1、通过数字接收机实现对输入的FM复合调制信号的解调；2、通过降采样和频谱搬移等方法对信号进行处理；获取处理后的内调制信号频谱和平方谱图形；3、将频谱特征图像输入残差网络分类器，将信号分为2k带宽的2FSK‑FM信号、MPSK‑FM信号，128K的MPSK‑FM信号和32k带宽的2FSK‑FM四类；4、对上一个分类器的输出标记是MPSK‑FM信号的平方谱图像送入分类器，实现对BPSK‑FM和QPSK‑FM的调制识别。本发明通过接收机提取测控信号的内调制信号频谱和平方谱特征，利用频域特征在低信噪比下的稳定性，和残差网络模型在相似图像分类识别中的高效性，实现了复合信号的调制方式识别。

技术领域

本发明主要针对不同带宽的FM复合调制信号，主要涉及一种基于残差网络和频域图形的测控信号调制识别方法。

背景技术

无线通信的快速发展衍生出越来越多复杂的信号类型，复合信号的产生实现了两种调制信号的优缺点互补的特性同时提升了信号识别的复杂性。并且不同带宽的信号传输对于传统的数字接收机提高了滤波器要求。因此针对不同带宽复合调制信号开展调制识别方法，对现在复杂通信环境下的调制识别技术发展具有重要意义。

目前针对复合调制测控信号调制识别算法的研究主要是基于直接特征提取或者先解调再特征提取的决策树分类方法与利用CNN与星座图特征结合的精确调制分类方法。方法一流程简单，适应性强，但识别性能还有待提高并且其分类性能易受阈值影响。方法二对单一调制信号均有较好的识别效率，但由于该特征本身依赖于对信号的解调，而二次调制信号的解调精度受信噪比影响很大，同时CNN模型在深层网络中存在梯度消失或爆炸的问题，因此在低信噪比情况下，上述方案的识别率会迅速下降。基于残差网络和频域图形方法是使用更稳定的内调制信号的频谱和平方谱图像，避免二次解调，提高抗噪声性能，同时使用50层残差网络结构提高相似图像识别时的准确率。

由此可见，残差网络分类模型和频域图形结合起来，来实现对复合调制信号的模式识别有着非常广泛的应用前景。

发明内容

本发明的目的是解决测控系统中不同带宽下FM复合调制信号的识别问题，提出了一种基于残差网络和频域图形的测控信号调制识别方法。通过接收机提取FM复合信号的内调制信号频谱和平方谱特征，使用残差网络对内调制信号的频谱和平方谱整体图形特征进行分类识别。理论分析和仿真实验表明，针对不同带宽的2FSK-FM、BPSK-FM、QPSK-FM信号，该方法方法与普遍应用的星座图和CNN的识别方案相比，识别性能平均提高了3dB以上。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1、通过数字接收机实现对输入的FM复合调制信号的解调；

步骤2、通过降采样和频谱搬移等方法对信号进行处理。获取处理后的内调制信号频谱和平方谱图形；

步骤3、将频谱特征图像输入残差网络分类器，将信号分为2k带宽的2FSK-FM信号、MPSK-FM信号，128K的MPSK-FM信号和32k带宽的2FSK-FM四类；

步骤4、对上一个分类器的输出标记是MPSK-FM信号的平方谱图像送入分类器，实现对BPSK-FM和QPSK-FM的调制识别。

步骤1具体实现如下：

1-1.接收到的复合信号与数控振荡器的正交两路相乘，通过低通滤波器滤除和频分量，得到正交的两路信号S_i(n)和S_q(n)：