[发明专利]一种通信信号调制识别的自动神经网络结构搜索方法

说明书

一种通信信号调制识别的自动神经网络结构搜索方法，减少网络结构搜索方法对计算资源的消耗，摆脱对大规模高性能计算设备的依赖，实现轻量化的网络结构模型生成以及在便携式设备的部署，可用于便携式设装备端通信信号识别应用软件的部署与开发，服网络结构搜索模型大、在移动或便携式设备部署难的问题，从算法层面探索网络结构搜索在边缘设备中的应用。

技术领域

本发明涉及一种通信信号调制识别的自动神经网络结构搜索方法，属于电磁信号特征识别技术领域。

背景技术

为了对电磁环境的特性进行综合认知和感知，需要对电磁环境的信号特征进行识别和表示，从而认清电磁环境的本质特征，对电磁环境特性加以利用。目前，在对电磁环境中的通信信号的调制方式进行识别时，通常采用采用基于大量专家经验的高性能网络结构搜索方法。虽然目前基于专家经验的高性能网络结构搜索方法对通信信号的调制方式能够达到较高的识别精度，但是该种搜索算法通常需要基于大规模高性能计算设备，难以在便携式设备部署和运行。

发明内容

本发明解决的技术问题是：针对目前现有技术中，传统高性能网络结构搜索方法通常需要大规模高性能计算设备，难以在便携式设备部署和运行的问题，提出了一种通信信号调制识别的自动神经网络结构搜索方法。

本发明解决上述技术问题是通过如下技术方案予以实现的：

一种通信信号调制识别的自动神经网络结构搜索方法，步骤如下：

(1)进行通信信号调制识别的数据准备；

(2)构建残差卷积神经网络结构模型；

(3)将接收的通信信号按指定数量码元按序排列为码元图像，将通信信号转化为调制样式纹理图像，并采用残差卷积神经网络结构模型于水平方向及垂直方向对调制方式进行识别；

(4)将残差卷积神经网络模型分解为卷积单元及缩减单元串联结构，建立搜索空间并进行串联结构微搜索；

(5)对微搜索的串联结构进行预测，并通过学习结合控制器将串联结构表示为数字，采用长短期记忆输出采样子网络作为残差卷积神经网络结构模型的子网络以确定搜索策略。

所述步骤(1)中，通过仿真方式收集并整理所需的测试数据库，建立不同调制方式下通信信号的数据集，为通信信号调制识别储备数据。

所述残差卷积神经网络结构模型包含三个BLOCK，分别由1*8、1*5、1*3的卷积核构成。

所述步骤(5)中，对所得子网络进行训练确定对应的分类精度，根据所得分类精度通过策略梯度迭代更新长短期记忆输出采样子网络参数以更新长短期记忆输出采样子网络。

本发明与现有技术相比的优点在于：

(1)本发明提供的一种通信信号调制识别的自动神经网络结构搜索方法，在保证在对通信信号进行高精度特征识别的同时，减少网络结构搜索方法对计算资源的消耗，摆脱对大规模高性能计算设备的依赖，实现轻量化的网络结构模型生成以及在便携式设备的部署，促进便携式通信信号调制识别设备的运用和发展；

(2)本发明可以应用于便携式设装备端通信信号识别应用软件的部署与开发，构建起从网络结构搜索方法到实际应用系统的桥梁，克服网络结构搜索模型大、在移动或便携式设备部署难的问题，从算法层面探索网络结构搜索在边缘设备中的应用。

附图说明

图1为发明提供的AWGN信道不同调制样式信号仿真结果示意图；

图2为发明提供的残差卷积网络模型示意图；

图3为发明提供的残差卷积网络调制方式识别结果示意图；

图4为发明提供的AWGN信道不同调制样式信号生成的码元图像示意图；