[发明专利]一种基于卷积神经网络的盲信号调制类型识别方法

权利要求书

1.一种基于卷积神经网络的盲信号调制类型识别方法，其特征在于，包括：

S1、射频接收机以采样率F_S采集时域0中频复信号IQ流，将IQ流分割为采样数为M_BLK的IQ块S_BLK，计算IQ块S_BLK的快速傅里叶变换幅度谱，根据幅度谱估计信号带宽，使用截止频率为的低通滤波器对IQ块S_BLK执行滤波，获得滤波后IQ块；

S2、根据采样率F_S和信号带宽估值计算三个IQ数据抽取因子E₄、E₂和E₁；

S3、根据抽取因子E₄、E₂和E₁计算信号相位差分直方图和幅度直方图；

S4、在卷积神经网络分类器模型训练阶段，改变信号源调制类型、载噪比、符号率以及载波频偏，计算并记录S3所述相位差分直方图和幅度直方图，作为训练和验证数据集，用于训练卷积神经网络分类器模型；

S5、在卷积神经网络分类器模型应用阶段，针对待识别信号，计算S3所述相位差分直方图和幅度直方图，使用卷积神经网络分类器模型识别信号的调制类型。

2.根据权利要求1所述一种基于卷积神经网络的盲信号调制类型识别方法，其特征在于，S2所述抽取因子E₄、E₂和E₁的具体计算步骤如下：

，

，

。

3.根据权利要求1所述一种基于卷积神经网络的盲信号调制类型识别方法，其特征在于，S3所述相位差分直方图和幅度直方图具体计算步骤如下：

S31、使用抽取因子E₄、E₂和E₁分别对IQ块S_BLK进行整数抽取，获得三个降采样率IQ块S_BLK4、S_BLK2、和S_BLK1；

S32、对于降采样率IQ块S_BLK4、S_BLK2、和S_BLK1，分别计算其相位阵列S_p4、S_p2和S_p1，计算相位差分阵列S_pd4、S_pd2和S_pd1，其中，

S_pd4(k)= S_p4(k + 1) - S_p4 (k)，

S_pd2(k)= S_p2(k + 1) - S_p2(k)，

S_pd1(k)= S_p1(k + 1) - S_p1(k)，

k∈(0，…，N - 2)为相位阵列中数据点下标，N为每个数据块的实际采样点数；

S33、将相位差分阵列S_pd4、S_pd2和S_pd1值从±180区间平移到0~359区间并取整，计算三个相位差分阵列的分布直方图H_pd4、H_pd2和H_pd1，同时，

置H_pd4(k₄)为(H_pd4(178)+H_pd4(182))/2，k₄∈(179，…，181)，

置H_pd2(k₂)为(H_pd2(177)+H_pd2(183))/2，k₂∈(178，…，182)，

置H_pd1(k₁)为(H_pd1(176)+H_pd1(184))/2，k₁∈(177，…，183)，

将H_pd4、H_pd2和H_pd1作为信号的相位分布特征；

S34、将降采样率IQ块S_BLK2的幅度分布区间归化到0~359并取整，计算幅度直方图H_mag作为信号的幅度分布特征。