[发明专利]基于改进残差网络的非合作水声通信信号调制识别方法

权利要求书

1.一种基于改进残差网络的非合作水声通信信号调制识别方法，其特征在于，包括以下步骤：

S1：采集水声通信信号数据并对其进行预处理，作为训练集：利用频域估计法和过零检测法对水声通信信号的载频进行初估计，以频域对称性作为权重对初估计的载频进行权重分配，得到载频估计的最终结果；利用功率谱密度对信号的带宽进行估计；对完成载频与带宽估计的信号进行下混频，将信号从通带转换到基带，再对其进行滤波、标准化和归一化处理得到复基带信号；

S2：构建并用训练集训练水声通信信号识别神经网络，具体通过以下子步骤实现：

(2.1)表征特征提取：使用统计量特征提取公式以及形态特征提取公式，对所述复基带信号进行人工特征提取并用卷积神经网络进行特征挖掘，得到表征特征矩阵；

同时进行隐含特征提取：使用改进的残差模块对所述复基带信号进行隐含特征的提取，得到隐含特征矩阵；

(2.2)特征融合并分类：将所述表征特征和隐含特征进行特征融合，得到包含表征特征和隐含特征信息的特征融合矩阵，将所述特征融合矩阵输入全连接层和分类层；

S3：将待分类的水声通信信号进行和S1相同的预处理，然后输入所述S2中训练好的水声通信信号识别神经网络，最终输出识别结果。

2.根据权利要求1所述的基于改进残差网络的非合作水声通信信号调制识别方法，其特征在于，所述步骤S1中，水声通信信号的载频与带宽估计方法具体包括以下子步骤：

(1.1)对收集到的长度为N的水声通信信号s(i)进行傅里叶变化得到信号频谱S(k)，使用加权的方式估计S(k)的中心频率以f₀作为第一项载频的估计初值；

(1.2)由于频域估计法的准确性受频谱对称性的影响，以谱对称性的估值作为第一项载频的估计初值f₀的权重W₀＝1-|P_left-P_right|，其中载频在频域中对应的序号为f_s为采样率；

(1.3)滤波得到以第一项载频的估计初值f₀为中心的信号强区间，使用过零检测法得到载波频率的第二项估计值对其赋予初始权重W₁＝1-W₀；式中，M_z为信号s(i)的过零点数；y(i)表示信号的过零点数的差序列，y(i)＝s(i+1)-s(i)；

(1.4)得到最终的载频估计值为f_c＝W₀f₀+W₁f₁；

(1.5)以载频f_c为中心，利用水声通信信号在功率谱中的不同频率分量与中心频率的距离进行加权求和，得到带宽估计值为：

式中，为载频在频域中对应的序号；F(k)为功率谱。

3.根据权利要求1所述的基于改进残差网络的非合作水声通信信号调制识别方法，其特征在于，所述步骤(2.1)中，进行表征特征提取具体通过以下子步骤实现：

(2.1.1)对所述复基带信号进行人工特征提取，获得包括高阶矩(M₂₀,M₂₁,M₄₀,M₄₁,M₄₂,M₄₃,M₆₀,M₆₁,M₆₂,M₆₃)、高阶累积量(C₂₀,C₂₁,C₄₀,C₄₁,C₄₂,C₆₀,C₆₁,C₆₂,C₆₃)、谱相关函数、载波附近谱对称估计值、频谱功率密度最大值、二倍幅度的离散傅里叶最大值、瞬时频率绝对值标准差在内的24个特征值，将上述特征值组成一个24×1的数值矩阵；

(2.1.2)对所述步骤(2.1.1)获得的24×1的数值矩阵输入到含有双层卷积层和一层舍弃层的卷积神经网络中，输出信号的表征特征值组成的矩阵X＝[x₁,x₂,...x_m]，其中m为最后一层卷积层的卷积核个数。