[发明专利]一种可持续学习的信号调制类型识别方法

权利要求书

1.一种可持续学习的信号调制类型识别方法，其特征在于，基于多分类器协同的信号调制方式对陌生信号进行判断识别，同时持续不断学习该陌生信号并训练对应调制类型分类器，扩展对陌生信号的识别能力；具体步骤如下：

S1.根据已知的多种调制类型分别训练分类器，得到多个已知调制类型分类器；

S2.输入采集的电磁频谱监测目标信号，若所有分类器输出结果皆为非负数，则直接输出目标信号的调制类型；若所有分类器输出结果为负数，则判定该信号为陌生新类型的信号，执行步骤S3；

S3.若当前无陌生类型信号样本库，新建一个新的陌生类型信号样本库并将该信号加入，同时输出目标信号的调制类型；若当前已有陌生类型信号样本库，将该信号与已建立的陌生类型信号样本库进行相似度比对，执行步骤S4；

S4.若相似度高于阈值，则将该信号放入陌生类型信号样本库，并输出对该陌生信号的分类结果；若相似度低于阈值，则再新建一个另外的陌生类型信号样本库，并把该信号放入新库中，同时输出目标信号的调制类型；

S5.若陌生类型信号样本库规模大于阈值，针对该陌生类型信号样本库训练新的分类器，该类陌生信号的分类器训练完成后，该陌生类型信号的分类处理方式与已知信号类型完全相同，视为已知信号类型；否则，进入下一次目标信号的类型识别与学习。

2.根据权利要求1所述的可持续学习的信号调制类型识别方法，其特征在于，所述步骤S1中，分类器采用的算法包括神经网络、支持向量机。

3.根据权利要求1所述的可持续学习的信号调制类型识别方法，其特征在于，所述步骤S2中，每个分类器只用于判断输入信号属于调制类型的可能性，分类器输出结果的范围为-1至1的实数。

4.根据权利要求3所述的可持续学习的信号调制类型识别方法，其特征在于，当分类器输出结果为负数时，代表该信号不属于当前分类器所属的调制类型；当分类器输出结果非负时，其取值越大，代表其属于当前分类器所属调制类型的可能性越大；在工作过程中，对于输入信号，若存在多个分类器的输出结果非负，则根据输出值最大的分类器判定该信号的调制类型。