[發明專利]一種基于端到端卷積神經網絡的無線電信號識別方法

在審

• 申請號: 201810261711.2
• 申請日: 2018-03-28
• 公開（公告）號: CN108764013A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 周鑫;何曉新;邱源;任海玉
• 申請（專利權）人: 中國科學院軟件研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;鄧治平

本發明涉及一種基于端到端卷積神經網絡的無線電信號識別方法，其特征在于對觀察窗口的原始I/Q采樣數據先后執行預處理和卷積神經網絡識別兩個步驟。其中，預處理步驟以觀察窗口的原始I/Q采樣數據作為輸入，經過離散傅里葉變換和數據格式對齊處理后，輸出頻譜瀑布圖；卷積神經網絡識別步驟以預處理所得的頻譜瀑布圖作為輸入，經過CNN特征提取層、MLP特征映射層和BR多標簽分類層后，輸出表征所有待識別信號是否存在的一維布爾向量。與傳統特征提取+分類識別的模式相比，本發明采用端到端的技術解決思路，避免了復雜而低效的特征工程，提高了信號識別的準確性、魯棒性和智能化水平，對重點區域以及重大活動現場的無線電監管具有重要意義。

技術領域

本發明屬于無線電監測技術領域，涉及一種基于端到端卷積神經網絡(Convolutional Neural Network,CNN)的無線電信號識別方法，用于解決傳統無線電信號識別中面臨的特征提取過于復雜的問題，提高無線電信號識別的能力和智能化水平。

背景技術

近年來，隨著無線通信技術的發展，特別是物聯網的興起，無線電波已經成為連通萬物的重要載體。然而，無線電波開放性的特點，使其容易受到干擾和非法利用，導致正常通信系統受擾中斷、虛假反動言論傳播等嚴重問題。因此，無線電安全已經成為國家安全的重要組成部分，加強無線電監測與管理，特別是在機場、邊境等重點區域以及重大活動現場的無線電監管，具有重要的現實意義和迫切需求。

簡單而言，無線電監測包括三個任務：探測、識別和定位。其中，探測利用無線電接收設備獲取基本的電磁數據；識別則通過數據處理提取更加抽象而實用的特征，并以此進行分類；最后，對于識別出的非法信號，還可利用無線電定位的方法搜尋發射源，為無線電監管和執法提供支持。由此可見，無線電信號識別是探測的升華，又是定位的基礎，在無線電監測中處于核心地位，歷來都是無線電監測技術研究的重點與難點。

早期的無線電信號識別，是利用各種頻譜采集設備采集空中射頻信號，經過處理后，以頻譜圖、瀑布圖、余暉圖等可視化方式展現出來，然后由專業人員分析信號時頻特征并尋找目標信號。這種做法對操作人員的專業素質要求非常高，而且當監測時間變長或無線電信號較多時，人工分析效率和準確率也會大幅下降。

目前比較流行的無線電信號識別方式，是先由本領域專家精心挑選信號關鍵特征(如循環譜密度、高階中心矩函數、功率譜密度最大值、瞬時相位的標準差等)，然后利用傳統的信號處理算法計算特征參數值，最后再基于固定規則或者機器學習的方法進行分類。通常，一個模型需要選取其中的幾項甚至十幾項特征作為模型輸入，計算復雜度非常高，很難實際部署使用。同時，受信號波形多樣性和多徑衰落效應的影響，該方法在特征選擇和判決準則方面也缺乏普適性。

發明內容

本發明的目的是：針對現有技術的不足，提出一種基于端到端卷積神經網絡的無線電信號識別方法，將人工智能與無線電信號處理技術深度融合，解決了傳統無線電信號識別中面臨的人工特征提取過于復雜的問題，提高無線電信號的識別能力和智能化水平。

本發明的技術解決方案如下所述。

一種基于端到端卷積神經網絡的無線電信號識別方法，其特征在于對觀察窗口的原始I/Q采樣數據先后執行預處理和卷積神經網絡識別兩個步驟，具體如圖1所示。其中，預處理步驟以觀察窗口的原始I/Q采樣數據作為輸入，經過離散傅里葉變換和數據格式對齊處理后，輸出頻譜瀑布圖；卷積神經網絡識別步驟以預處理所得的頻譜瀑布圖作為輸入，經過CNN(Convolutional Neural Network，卷積神經網絡，簡稱CNN)特征提取層、MLP(Multi-layer Perceptron，多層感知器，簡稱MLP)特征映射層和BR(Binary Relevance,二元關聯，簡稱BR)多標簽分類層后，輸出表征所有待識別信號是否存在的一維布爾向量。與傳統特征提取+分類識別的模式相比，本發明采用端到端的技術解決思路，避免了復雜而低效的特征工程，提高了信號識別的準確性、魯棒性和智能化水平，并降低了計算復雜度，具體如圖2所示。