[发明专利]一种无线电信号的频域识别方法

权利要求书

1.一种无线电信号的频域识别方法，其特征在于：所述频域识别方法包括以下步骤；

第一步，采集已知无线电信号频谱数据；

第二步，对已知无线电信号的频谱特征进行学习，构建基于无线电频谱形状的特征模板库，不同的无线电信号有其独有的无线电频谱形状特征模板；

第三步，接收未知无线电信号的频谱数据，使之与第二步构建的无线电信号频谱形状特征模板库进行对比，找到与之匹配的无线电信号频谱形状特征模板；

第四步，将匹配结果输出。

2.根据权利要求1所述的一种无线电信号的频域识别方法，其特征在于：所述第一步中，采集的已知无线电信号包括基于多尺度二维卷积网络的无线电信号，将经过编码与调制的模拟信号进行魏格纳-威利时频变换，构造魏格纳-威利分布图作为网络输入，魏格纳-威利分布图丰富表征信号时域，针对魏格纳-威利分布图中存在多尺度结构，设计具有多尺度核与多通道的卷积子网络，分别提取魏格纳-威利分布图中细粒度的多尺度、多层次化特征，将多尺度、多层次特征进行拼接以获得调制信号的精细结构特征，包含在调制方式为EMC数据集上。

3.根据权利要求1所述的一种无线电信号的频域识别方法，其特征在于：所述第一步中，采集的已知无线电信号还包括基于序列-序列的编解码循环神经网络调制的无线电信号，由于深度多尺度卷积神经网络中二维卷积训练复杂度较高以及参数量大，结合无线电信号的时序，使用原始信号的IQ双通道数据作为输入，减少预处理过程，设计编码网络将信号进行特征映射到隐层特征向量，再设计解码网络将隐层特征向量解码进行统一表征，进而使用分类网络进行分类，在编码网络中，设计了栈式池化网络以准确提取信号序列中空间域的统计特征，门控循环单元网络以提取信号双向时序特征﹐并减少参数量，在解码和分类网络中，使用重复向量层以及时序全连接层，将编码网络提取的隐层特征向量进行时序展开，进行无线电信号调制模式的分类。

4.根据权利要求1所述的一种无线电信号的频域识别方法，其特征在于：所述第一步中，采集的已知无线电信号还包括基于端到端的轻量级一维深度卷积网络编码调制的无线电信号，由于深度学习模型参数量大、在实际应用中部署困难且训练耗费硬件资源大，使用原始一维信号作为网络输入以减少参数量，构建轻量级深度卷积神经网络，设计多尺度卷积核和金字塔型的网络结构以提取深度层级特征，使用一维卷积操作提取信号本质特征使得模型更为轻量化，基于所设计的多尺度卷积核与金字塔式网络结构的无线电信号可以提取信号调制与编码的层次。

5.根据权利要求1所述的一种无线电信号的频域识别方法，其特征在于：所述第二步中，无线电频谱形状特征模板为主产品身份标识、附属产品身份标识、附属产品组身份标识、主产品操作动作，创建无线电频谱形状特征模板前，需要学习无线电信号的频谱形状。

6.根据权利要求1所述的一种无线电信号的频域识别方法，其特征在于：所述第三步中，在对未知无线电信号进行识别之前，先要提取未知无线电信号的频谱形状，再与创建好的无线电频谱形状特征模板进行对比匹配。