[发明专利]基于轻量级深度网络的无线电信号认知识别方法

摘要

本发明公开一种基于轻量级深度网络的无线电信号认知识别方法，其实现步骤为：(1)构建编码调制联合信号；(2)生成训练样本集和测试样本集；(3)构建轻量级深度网络；(4)设置轻量级深度网络的参数；(5)训练轻量级深度网络；(6)获得认知识别准确率。本发明具有普适性强，可以直接处理一维无线电信号，不需要人工特征提取和先验知识，能同时认知识别无线电信号的信道编码方式和调制识别方式，复杂度低，模型轻量化，分类结果准确、稳定的优点，可用于无线电信号认知识别技术领域中。

主权项

1.一种基于轻量级深度网络的无线电信号认知识别方法，其特征在于，包括如下步骤：/n(1)构建编码调制联合信号：/n(1a)将接收到的信息序列集合中的每一个信息序列，依次进行四种信道编码，生成不同的编码信号；/n(1b)将编码后的每一个信号依次进行六种调制，得到编码调制联合信号；/n(2)生成训练样本集和测试样本集：/n(2a)对编码调制联合信号中每一个信号样本的所有信息点以100个信息点为间隔，将每次连续采集440个信息点组成一个信号样本，将所有的信号样本组成信号样本集；/n(2b)从信号样本集中随机抽取80％的信号样本组成训练样本集，剩余的信号样本组成测试样本集；/n(3)构建轻量级深度网络：/n(3a)搭建一个自动提取编码调制联合信号特征的16层轻量级深度网络，其结构为：输入层→第一卷积层→第二卷积层→第一池化层→第三卷积层→第二池化层→第四卷积层→第三池化层→第五卷积层→第四池化层→第六卷积层→第五池化层→第一全连接层→第二全连接层→分类器层→输出层；/n(3b)设置轻量级深度网络中的损失函数为交叉熵、优化算法为误差逆传播算法、激活函数设置为修正线性单元激活函数；/n(4)设置轻量级深度网络的参数：/n(4a)设置输入层为440个输入神经单元；/n(4b)设置轻量级深度网络中不同卷积层的不同卷积核的参数如下：第一卷积层为64个卷积核，每个卷积核为1×19的矩阵；第二卷积层为64个卷积核，每个卷积核为1×21的矩阵；第三卷积层为128个卷积核，每个卷积核为1×19的矩阵；第四卷积层为128个卷积核，每个卷积核为1×21的矩阵；第五卷积层为256个卷积核，每个卷积核为1×19的矩阵；第六卷积层为256个卷积核，每个卷积核为1×21的矩阵；/n(4c)将第一池化层、第二池化层、第三池化层、第四池化层和第五池化层的池化方式设置为最大池化方式；将分类器层设置为多分类函数Softmax；/n(4d)设置轻量级深度网络中第一全连接层和第二全连接层的神经元个数分别为64和24；/n(5)训练轻量级深度网络：/n将训练样本集输入到轻量级深度网络中训练18次，得到训练好的轻量级深度网络；/n(6)获得认知识别准确率：/n(6a)将测试样本集输入到训练好的轻量级深度网络中，得到认知识别结果；/n(6b)将认知识别结果与测试样本集的真实类别进行对比，统计认知识别正确率。/n