[發明專利]一種基于深度長短時記憶網絡的電磁信號識別方法

在審

• 申請號: 202010146877.7
• 申請日: 2020-03-05
• 公開（公告）號: CN111553186A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 廖開升;鐘軼;張亞平;古照勇
• 申請（專利權）人: 中國電子科技集團公司第二十九研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 夏琴

本發明公開了一種基于深度長短時記憶網絡的電磁信號識別方法，其方案為：將電磁信號序列數據進行野值去除、滑窗切片、歸一化的預處理，作為輸入特征向量；根據電磁信號的輸入特征向量，設置一個深度長短時記憶網絡模型，第一層為輸入層，中間層為長短時記憶層，最后一層為全連接輸出層，利用歸一化指數函數作為最終輸出；通過反向傳播優化算法對損失函數進行迭代優化，并朝著損失函數減小的方向更新網絡權重系數，獲得用于電磁信號識別的網絡模型；將待分類的電磁信號經預處理后，輸入至網絡模型進行分類識別，得到識別結果。本發明具有較強的抗噪聲、抗干擾能力，提升了電磁信號識別效率和準確率；同時提升了電磁信號識別的魯棒性和可擴展性。

技術領域

本發明屬于電磁信號識別技術領域，具體涉及一種基于深度長短時記憶網絡的電磁信號識別方法。

背景技術

隨著無線電業務的日益增多，以及各種新體制無線電設備層出不窮，使得電磁環境中的信號種類、數量越來越多，電磁頻譜愈加擁擠，給無線電頻譜監測帶來了新的挑戰。電磁信號識別作為無線電頻譜監測的關鍵環節，及時、準確的電磁信號識別能夠為稀有頻譜資源的有效監測、合理利用提供強有力的支撐保障。

傳統的電磁信號識別技術直接利用信號參數特征，采用特征參數匹配的方法與電磁信號識別數據庫中的相應特征參數進行匹配，而識別出信號的屬性。對于傳統電磁信號，由于各個特征參數都基本恒定，因此特征參數匹配法有較好的識別效果。然而，隨著新體制無線電設備的出現，電磁信號調制參數靈活多變，傳統的電磁信號識別技術很難滿足要求。

目前，電磁信號識別方法主要依靠人工方式進行信號特征提取進而實現分類識別。常見的電磁信號特征提取方法有時域分析法，頻域分析法、瞬時自相關法、譜相關法和時頻域分析法等。這些方法一般將電磁信號按照一定的變換后進行特征提取，通過分離度較高的特征向量實現電磁信號分類。而分類器的選擇一般使用淺層機器學習方法，如常見的K最近鄰法，支持向量機、決策樹和淺層神經網絡等。經過多年的積累，這些方法在電磁信號識別領域均取得了較好的識別效果。然而，現有的信號特征提取方法主要依賴領域專家對識別對象的深入認識及經驗，需要花費大量的精力來完成提取且過程繁瑣，難以實現信號識別自動化、智能化，對日益復雜的海量電磁信號數據適應能力差，可擴展性差。

近年來，深度學習技術因其優異的性能廣泛用于計算機視覺和自然語言處理領域。深度學習技術沒有顯式的特征提取過程，直接把底層特征作為深度學習模型的輸入，通過多層的非線性映射方式，提取抽象不變的高層屬性特征，形成表征數據分布式的表示，相較于淺層機器學習模型具有更強的泛化能力，能刻畫數據更加豐富的信息本質。因此，將深度學習技術用于電磁信號高層特征的自動提取與識別，將是電磁信號識別領域的一個研究熱點。

發明內容

本發明針對傳統電磁信號識別方法難以適從對新體制電磁信號識別的問題，提供了一種基于深度長短時記憶網絡的電磁信號識別方法。

本發明采用的技術方案如下：一種基于深度長短時記憶網絡的電磁信號識別方法，包括：

步驟S1，首先去除輸入電磁信號中的野值，然后對電磁信號進行滑窗切片，再對電磁信號進行歸一化處理，作為輸入特征向量；

步驟S2，根據電磁信號的輸入特征向量，設置一個N層結構的深度神經網絡模型，其中N＝4，5，6…，第一層為輸入層，中間層為長短時記憶層，最后一層為全連接輸出層，利用歸一化指數函數(Softmax)作為最終輸出；

步驟S3、訓練深度長短時記憶網絡：通過反向傳播優化算法對損失函數進行迭代優化，并朝著損失函數減小的方向更新網絡權重系數，當達到設置的迭代輪數或損失值經過設定迭代輪數不再降低時，停止對深度長短時記憶網絡的訓練，得到訓練好的深度長短時記憶網絡結構；

步驟S4、基于深度長短時記憶網絡的電磁信號識別：將待識別的電磁信號經步驟S1預處理后，輸入至步驟3獲得的網絡模型進行分類識別，得到識別結果。