[发明专利]一种深度神经网络调制信号开集识别方法及系统

说明书

本发明提供了一种深度神经网络调制信号开集识别方法及系统，其中，所述方法包括：在第一环境下建立已知调制类型的数据集X和未知调制类型的数据集V，初始化生成器G的和判别器D的参数；获得预定参数更新次数阈值；按照预定参数更新次数阈值，对判别器D和所述生成器G进行参数更新，对数据集X和数据集V进行信号增强；通过一维卷积残差网络对调制信号进行建模，获得1D‑ResNet网络模型；将测试集S输入所述1D‑ResNet网络模型中，获得第一识别结果。解决了现有技术中存在调制识别算法对噪声敏感，没有考虑真实环境下开集识别的问题，无法区分未知调制类型信号，对信号质量要求高的技术问题。

技术领域

本发明涉及通信技术领域，具体涉及一种深度神经网络调制信号开集识别方法及系统。

背景技术

近些年来，随着神经网络(NeuralNetwork，NN)技术的兴起，神经网络由于其优异的特征提取和数据映射能力，开始被应用于调制识别任务中。在复杂的现实电磁环境中，训练集很难收集所有调试类型的数据供神经网络训练，因此测试集中就会存在一些训练集中没有出现过的调制类型，在进行识别的的时候不仅要识别出已知调制类型的信号，还要识别出未知调制类型的信号，这样的识别任务就被称为开集识别。由于无线信号在现实环境传播容易到各干扰和噪声的影响，因此接收端接收到的信号的信号质量往往较差，这便会导致调制识别的失败。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在调制识别算法对噪声敏感，没有考虑真实环境下开集识别的问题，无法区分未知调制类型信号，对信号质量要求高，算法的鲁棒性以及泛化性差的技术问题。

发明内容

本申请实施例通过提供了一种深度神经网络调制信号开集识别方法及系统，解决了现有技术中存在调制识别算法对噪声敏感，没有考虑真实环境下开集识别的问题，无法区分未知调制类型信号，对信号质量要求高的技术问题。达到了通过信号增强解决了对噪声敏感、无法区分未知调制类型信号、对信号质量要求高的问题，通过在训练数据中加入未知调制类型信号、加入损失函数，实现了开集识别，提高识别准确率，增强鲁棒性和泛化能力的技术效果。

鉴于上述问题，本申请实施例提供了一种深度神经网络调制信号开集识别方法及系统。

第一方面，本申请实施例提供了一种深度神经网络调制信号开集识别方法，其中，所述方法包括：在第一环境下建立已知调制类型的数据集X和未知调制类型的数据集V，其中，X＝{x₁,x₂,...,x_n},n＝1,2,...,N，V＝{v₁,v₂,...,v_m},m＝1,2,...,M；初始化生成器G的和判别器D的参数；获得预定参数更新次数阈值；按照所述预定参数更新次数阈值，对所述判别器D和所述生成器G进行参数更新，对所述数据集X和所述数据集V进行信号增强；根据信号增强后的所述数据集X和所述数据集V通过一维卷积残差网络对调制信号进行建模，获得1D-ResNet网络模型；将测试集S输入所述1D-ResNet网络模型中，获得第一识别的结果。