[发明专利]通信信号的小样本增强方法

权利要求书

1.一种通信信号的小样本增强方法，其特征在于包括如下步骤：首先对采集到的原始信号按照标准解调译码方法进行类型判断，根据得到的类型对每一条信号进行数据标注，选取多类不同类型，每一类少量的信号样本构成原始信号样本集；对原始信号样本集的每一条分别加入噪声，标注与原始样本一致的标签，形成加噪样本集；对原始样本集的每一条分别进行滤波，标注与原始样本一致的标签，形成滤波样本集；对原始信号样本集的每一条分别进行区块截取，对截取后的区块进行随机排序重组，标注与原始样本一致的标签，形成重组样本集；对原始信号样本集的每一条分别进行随机频移变换，标注与原始样本一致的标签，形成频率偏移样本集；然后将所有样本集混合并随即打乱排序，形成增强样本集；最后将增强样本集输入深度学习模型进行训练，并对验证集进行交叉验证和分类识别，计算信号类型的识别准确率。

2.如权利要求1所述的通信信号的小样本增强方法，其特征在于：按照信号种类对原始信号样本集进行标注，把原始信号样本集的每一类每一条样本分别加入随机高斯白噪声,形成噪声样本集；针对采集信号的频点Fc和带宽Bw,分别对原始信号样本集的每一类每条样本进行带通滤波,形成滤波样本集；分别对原始信号样本集的每一类每一条样本分割成若干等分,构成分块重组样本集,并进行随机排序重组；分别对每一类每一条样本形成的偏移样本集进行频率偏移变换,并基于多维变换对原始信号样本集w分别进行加噪声、滤波、分割重组和频移变换，得到多个变换域的信号样本集，将这些产生耳朵信号样本加入到原始信号样本集，得到扩充增强后的信号样本集，基于增强后的信号样本集进行深度学习训练后，构建其训练模型，然后将所有变换得到的样本集和原始样本集混合打乱，得到增强扩充后的增强样本集，再将增强后的样本集分为训练集合验证集，训练集输入深度神经网络进行反馈学习和优化，在损失函数趋于稳定后，对验证集进行交叉验证，计算信号类型的识别准确率。

3.如权利要求1所述的通信信号的小样本增强方法，其特征在于：对原始信号样本集按照信号种类进行标注中，原始样本集w

其中，m表示原始样本集w包含的信号种类，n表示每一类信号包含的样本条数，第i类信号的第j条样本表示为q(i,j)，i为标签。

4.如权利要求3述的通信信号的小样本增强方法，其特征在于：分别对原始信号样本集的每一类每一条样本分别加入随机高斯白噪声wgn时,q_noise(i,j)＝q(i,j)+wgn，同时将其标注上与原始样本q(i,j)一致的标签i和表示加入高斯白噪声后的第i类信号的第j条样本q_noise(i,j)组成得到加噪样本集w_noise

5.如权利要求1所述的通信信号的小样本增强方法，其特征在于：针对采集信号的频点Fc和带宽Bw,分别对原始信号样本集的每一类每条样本进行带通滤波，完成带通滤波后的第i类信号的第j条样本q_filter(i,j)，

q_filter(i,j)＝Filter(BandPass,q(i,j))，同时将其标注上与原始样本q(i,j)一致的标签i,组成得到滤波样本集w_filter，

其中，BandPass表示滤波器系数，filter表示带通滤波函数。