[发明专利]一种自动调制识别方法、装置、电子设备及存储介质

说明书

本申请中一个或多个实施例提供一种自动调制识别方法、装置、电子设备及存储介质，包括：获取待测信号样本、真实有样本类别数据和语义向量；获取生成对抗网络模型；将零样本类别语义向量输入生成对抗网络模型以生成零样本类别数据；获取分类器模型；将待测信号样本输入分类器模型以得到识别结果。本申请通过利用有样本类别语义向量训练生成对抗网络模型，从而通过生成对抗网络模型生成零样本类别数据，以解决部分调制信号没有样本的问题，在得到了分类性能优越的分类器模型的同时，通过生成对抗网络模型生成零样本类别数据，达到减少收集训练数据的难度的目的。

技术领域

本申请中一个或多个实施例涉及信号分析技术领域，尤其涉及一种自动调制识别方法、装置、电子设备及存储介质。

背景技术

现有技术中，基于深度学习算法需要通过用海量的训练集进行训练后，才能够得到优越的分类性能，但是在非合作通信方式中，拥有的训练样本较少，甚至有些类别的调制信号不存在样本，然而现有技术中的深度学习算法在零样本条件下无法工作，无法执行自动调制识别任务。

而零次射击学习通过在语义描述上将各个图像类别建立联系，试图改善零样本对于深度学习模型的影响，然而图像可以通过视觉属性进行语义描述，调制信号的视觉特征不明显，无法用视觉属性进行语义描述，无法直接应用在调制信号上。因此，现有技术存在着无法在零样本条件下进行自动调制识别的问题。

发明内容

有鉴于此，本申请中一个或多个实施例的目的在于提出一种自动调制识别方法、装置、电子设备及存储介质，以解决现有技术存在的上述至少一个问题。

基于上述目的，本申请中一个或多个实施例提供了一种自动调制识别方法，包括：

获取待测信号样本、真实有样本类别数据和语义向量；所述语义向量，包括：有样本类别语义向量和零样本类别语义向量；

获取生成对抗网络模型；所述生成对抗网络模型基于所述有样本类别语义向量训练得到；

将所述零样本类别语义向量输入所述生成对抗网络模型以生成零样本类别数据；

获取分类器模型；所述分类器模型基于所述真实有样本类别数据和所述零样本类别数据训练得到；

将所述待测信号样本输入所述分类器模型以得到识别结果。

可选的，所述获取语义向量，具体包括：

获取信号样本和语义向量提取模型；

将所述信号样本输入所述语义向量提取模型以获取所述语义向量。

可选的，所述生成对抗网络模型，包括：生成器和判别器；

所述获取生成对抗网络模型；所述生成对抗网络模型基于所述有样本类别语义向量训练得到，具体包括：

将所述有样本类别语义向量输入所述生成器以生成有样本类别数据；

判断所述判别器是否能够区分所述有样本类别数据和所述真实有样本类别数据；

若否，则得到所述生成对抗网络模型。

可选的，所述识别结果，包括：有样本类别调制模式和零样本类别调制模式；

所述将所述待测信号样本输入所述分类器模型以得到识别结果，具体包括：

将所述待测信号样本输入所述分类器模型；

利用所述分类器模型识别所述待测信号样本属于所述有样本类别调制模式或所述零样本类别调制模式。

可选的，所述将所述信号样本输入所述语义向量提取模型以获取所述语义向量，之后还包括：

利用联合嵌入损失优化所述语义向量和所述信号样本之间的测量关系；所述联合嵌入损失表示为