[发明专利]一种无线电信号的频域识别方法

说明书

本发明公开了一种无线电信号的频域识别方法，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。本发明通过对无线电信号频谱形状特征进行学习，形成独有的无线电频谱形状特征模板，可以快速识别未知无线电信号，且根据需要扩充无线电频谱形状特征模板库，增强对已知信号数量的覆盖能力。

技术领域

本发明涉及无线电通信技术领域，更具体地说，本发明涉及一种无线电信号的频域识别方法。

背景技术

目前，现有的无线电信号的识别方法主要包括时域和频域两类方法，时域类识别方法接收无线电信号时域数据，对其使用无线电信号的时域解调/解码算法，获得其通信传输的信息，以此识别无线电信号；

频域类识别方法接收无线电信号频谱数据，对其使用相关算法加以识别，仅需要采集无线电信号的频谱数据，且对数据的完整性不敏感，可以依据网络传输带宽或存储空间的大小丢弃部分频谱数据，降低数据的采集量而不影响识别结果。

现有技术存在以下不足：无线电信号的时域类识别方法虽然准确率高，但需要采集无线电信号的时域数据量太大，且不能丢失，对未知信号的解调/解码需要先识别其通信模式和通信协议，才可以对其解调/解码，难度很大，无线电信号的频域类识别方法准确率低。

发明内容

本发明提供一种无线电信号的频域识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种无线电信号的频域识别方法，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。

优选的，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，解决传统方法依赖先验知识提取特征的问题，现代通信环境是一个雷达与通信信号高度交叠的电磁环境，通信环境中各类噪声信号、多源通信信号，干扰信号以及各种突发信号相互交叠，加之各类通信、广播、数据中继卫星处于开放的空间，会面临各种有意或无意干扰的影响，复杂的信号类型使得人工设计普适的特征非常困难，传统信号处理方法主要是在信号内外部特征处理上做工作，依照先验知识设定需要提取的信号特征，在信号处理过程中通过特征提取和比对实现信号类型、调制方式以及编码方式的识别，而深度学习本质就是是一种数据特征学习方法，利用神经网络的优越拟合性能减少人工特征工程的干预，以及通过构建深层结构化神经网络去学习数据的层次化特征，逐层拟合数据源空间分布，从而解决传统方法对于先验知识的强依赖问题。