[發明專利]基于深度殘差網絡的水下通信調制方式識別方法及系統

有效

• 申請號: 201811403397.3
• 申請日: 2018-11-23
• 公開（公告）號: CN109361635B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 王巖;肖靜;張連;楊紅芳
• 申請（專利權）人: 泰山學院
• 主分類號: H04L27/00
• 分類號: H04L27/00;G06N3/04;G06N3/08
• 代理公司: 濟南譽豐專利代理事務所(普通合伙企業) 37240
• 代理人: 高強

本申請公開了一種基于深度殘差網絡的水下通信調制方式識別方法及系統,將水下通信傳輸過來的多種調制方式數據進行數據預處理；經過數據預處理后的多種調制方式數據輸入深度殘差網絡第一層，從第一層到倒數第二層依次進行數據特征的提取，所述深度殘差網絡包括多層神經網絡層；經過深度殘差網絡最后一層識別出的調制方式數據輸出，所述調制方式數據對應最終識別的通信調制方式。使用了深度殘差網絡對輸入的多種調制方式的數據進行預處理后，然后通過深度殘差網絡中識別能力逐漸遞增的殘差網絡層對預處理數據逐級進行特征提取，最終獲取準確的通信調制方式，提高對水下通信調制方式的判斷準確率。

技術領域

本申請涉及水下通信技術領域，具體涉及一種基于深度殘差網絡的水下通信調制方式識別方法及系統。

背景技術

由于水下無線通信對高頻電磁波的吸收特性，水下的場景主要指海底，而陸地中使用的無線電磁波不能在水下長距離傳輸。水下信道特性主要反映在窄信道，長延遲和多徑效應中。這些水下通信環境特性與地面無線通信環境顯著不同，使得建立一個穩定和有效的水下通信的過程變得極為困難。

通常為了提高通信系統的通信效率，比較常用的方法是采用高階調制方法提高了水下通信的效率。高階調制的引入，調制識別成為通信系統通信過程中的重要組成部分。隨著水聲通信環境的復雜性，調制識別成為具有挑戰性的任務。通常機器學習調制識別方法主要包括支持向量機，K-最近鄰和決策樹等。

但是傳統的水下通信調制方式識別方法無法快速準確的判斷出當前的調制方式，因此亟需一種水下通信調制方式識別方法。

發明內容

本申請為了解決上述技術問題，本申請是通過如下技術方案實現的：

第一方面，本申請實施例提供了一種基于深度殘差網絡的水下通信調制方式識別方法,所述方法包括：將水下通信傳輸過來的多種調制方式數據進行數據預處理；經過數據預處理后的多種調制方式數據輸入深度殘差網絡第一層，從第一層到倒數第二層依次進行數據特征的提取，所述深度殘差網絡包括多層神經網絡層；經過深度殘差網絡最后一層識別出的調制方式數據輸出，所述調制方式數據對應最終識別的通信調制方式。

采用上述實現方式，使用了深度殘差網絡對輸入的多種調制方式的數據進行預處理后，然后通過深度殘差網絡中識別能力逐漸遞增的殘差網絡層對預處理數據逐級進行特征提取，最終獲取準確的通信調制方式，提高對水下通信調制方式的判斷準確率。

根據第一方面，在第一方面第一種可能的實現方式中，所述將水下通信傳輸過來的多種調制方式數據進行數據預處理，包括：將各種調制方式復數表示方式的數據格式轉化成對應實數形式的數據格式的數據格式轉化單元；對目標水下通信調制方式數據與參考水下通信調制方式數據進行歸一化處理。

根據第一方面第一種可能的實現方式，在第一方面第二種可能的實現方式中，所述深度殘差網絡包括第一深度殘差網絡層、第二深度殘差網絡層、第三深度殘差網絡層和第四深度殘差網絡層；深度殘差網絡層級以包含的卷積神經網絡層中的神經單元數來進行確定，卷積神經網絡層中神經單元個數一樣的卷積神經網絡層作為一層深度殘差網絡層，所述經過數據預處理后的多種調制方式數據輸入深度殘差網絡第二層，從第二層到最后一層依次進行數據特征的提取，包括：第一深度殘差網絡層，根據數據預處理后的水下通信傳過來的多種調制方式數據，產生第一特征提取集；第二深度殘差網絡層根據所述第一特征提取集生成第一高級特征集；第三深度殘差網絡層，根據所述第一高級特征集生成第二高級特征集；第四深度殘差網絡層，根據所述第二高級特征集生成第三高級特征集。

根據第一方面第二種可能的實現方式，在第一方面第三種可能的實現方式中，所述深度殘差網絡還包括第五深度殘差網絡層，所述經過深度殘差網絡最后一層識別出的調制方式數據輸出包括：所述第五深度殘差網絡層根據所述第三高級特征集產生最終的調制方式判斷，輸出識別出的調制方式數據。