[发明专利]一种基于多端神经网络的卫星通信信号识别方法

权利要求书

1.一种基于多端神经网络的卫星通信信号识别方法，其特征在于，包括以下步骤：

S1、构建信号样本库

将信号转化为适合神经网络拓扑结构的样本表达形式；

S2、构建多端神经网络

多端卷积神经网络对信号特征的提取主要分为3个阶段：

第一阶段，卷积神经网络分别对路眼图和矢量图以及时频进行7×7的卷积处理，而后对第一层网络输出的特征图进行批标准化；对批标准化后的数据进行最大池化操作；之后对眼图和矢量图所得到的特征图进行连接；

第二阶段的特征提取过程中，采用残差网络结构中的ResNet-v1结构；

经过第二阶段的特征提取，对各端特征图连接，进行第三阶段特征提取；在第三阶段的批标准化后，直接对特征图进行全局最大抽样处理；

S3、模型训练及目标信号识别

利用预先制作好的训练样本对构建网络进行训练，当网络达到稳态时，保存网络；对于目标测试信号，通过傅里叶变换进行载频粗估，并利用包络谱线估计出符号速率，用估计出的载频对信号进行下变频，根据符号速率计算方根升余弦函数进行匹配滤波；若目标信号存在定时偏差，需提取信号在最佳采样位置处的样点值以保证眼图的张开程度；

利用时频变换方法得到信号的时频图像；对处理好的数据进行归一化和分块处理，对分块完的数据进行眼图和矢量图的呈现；

最后利用所保存的网络对已进行预处理的信号进行调制识别，最终得到信号调制类别。

2.根据权利要求1所述的一种基于多端神经网络的卫星通信信号识别方法，其特征在于，S1中采用信号眼图、信号矢量图以及信号时频分析图作为样本表达形式。

3.根据权利要求1所述的一种基于多端神经网络的卫星通信信号识别方法，其特征在于，S2中网络除输出层采用Softmax激活函数外，其余各层皆采用ReLu激活函数；网络优化过程中，采用Adam算法进行网络参数的最优解求解。