[发明专利]一种基于神经网络集成的调制识别方法

摘要

本发明属于通信技术领域，具体的说是一种基于神经网络集成的调制识别方法。本发明基于神经网络集成的调制识别方法，利用了卷积神经网络自动提取综合的抽象化特征，避免了传统方法的设计和选用信号特征，事实上，可以通过改变训练集的方式得到不同的分类器来适应绝大多数的调制方式，此外，本发明使用集成策略加强了在低信噪比下的识别性能。

主权项

1.一种基于神经网络集成的调制识别方法，其特征在于，包括以下步骤：S1、获取数据集：对接收信号，每次采样8个码元长度的数据，经重采样构成128维的样本，并归一化样本，通过不间断连续采样，获取大量样本构成带标签的数据集；根据需要识别的信号调制方式的种类k，构建数据集为：D＝{(x1,y1),(x2,y2),…,(xm,ym)}其中y∈{1,2,…,k}；S2、训练识别器：建立k个二元的数据子集S1,…,Sk，其中：数据子集Si是数据集D中标签为i而标注标签值为+1或者‑1的样本点集合；对于每一种调制类别i∈[k]，都需要训练一个基于Si专用于识别这第i种信号的识别器，训练过程描述如下：1:for t＝1,2,…,T do2:3:end for其中，是基学习算法，用卷积神经网络实现，其希望学习得到一个二元预测器h：当且仅当x属于调制类别i时，h(x)的输出等于+1；表示基于分布从数据集S_i训练出分类器h_t；T是训练轮数，且T必须为奇数；使用简单的投票法集成这T个二元预测器，最终输出投票结果的置信度；S3、构建分类器：输入样本x，并行地输入每种调制类别所属识别器，得到置信度P1(x),…,Pk(x)，经softmax综合得到各个调制类别的后验概率，最终构建的分类器为：S4、利用训练好的分类器对未知调制方式的通信信号进行识别。