[發(fā)明專利]一種頻移鍵控通信信號(hào)調(diào)制方式識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010417940.6
• 申請(qǐng)日: 2020-05-18
• 公開(kāi)（公告）號(hào): CN111612130B
• 公開(kāi)（公告）日: 2022-12-23
• 發(fā)明（設(shè)計(jì)）人: 孫曉東;魏久晰;苗順程;王瑩
• 申請(qǐng)（專利權(quán)）人: 吉林大學(xué)
• 主分類(lèi)號(hào): G06N3/04
• 分類(lèi)號(hào): G06N3/04;G06K9/62;G06K9/00;H04L27/00
• 代理公司: 西安銘澤知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61223
• 代理人: 吳林

1.一種頻移鍵控通信信號(hào)調(diào)制方式識(shí)別方法，其特征在于，包括以下步驟：

S1：對(duì)頻移鍵控信號(hào)進(jìn)行采樣，對(duì)采樣的頻移鍵控信號(hào)進(jìn)行平滑偽Wigner-Ville分布SPWVD變換時(shí)頻分析；

S2：利用SPWVD時(shí)頻分布的能量沿瞬時(shí)頻率集中的特性，估計(jì)調(diào)制信號(hào)的瞬時(shí)頻率；

S3：利用估計(jì)得到的信號(hào)瞬時(shí)頻率重構(gòu)解析信號(hào)，利用SPWVD生成信號(hào)時(shí)頻圖，把信號(hào)時(shí)頻分布圖處理為灰度圖，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入；

S4：利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)時(shí)頻特征的灰度圖進(jìn)行分類(lèi)識(shí)別；

在較低信噪比的情況下實(shí)現(xiàn)步驟S2中迭代的瞬時(shí)頻率的估計(jì)，其步驟為：

S21：對(duì)原始信號(hào)z₀(t)進(jìn)行SPWVD變換，得到信號(hào)時(shí)頻分布圖，檢測(cè)SPWVD時(shí)頻分布每個(gè)時(shí)刻對(duì)應(yīng)的能量峰值點(diǎn)，得到該時(shí)刻能量峰值點(diǎn)對(duì)應(yīng)頻率，并作為初次估計(jì)的瞬時(shí)頻率

S22：根據(jù)初次估計(jì)的瞬時(shí)頻率在時(shí)間上的積分求出估計(jì)信號(hào)的瞬時(shí)相位，進(jìn)而重構(gòu)信號(hào)時(shí)間序列該時(shí)間序列為原始信號(hào)的估計(jì)值；

S23：對(duì)重構(gòu)信號(hào)進(jìn)行下一次的SPWVD時(shí)頻分布峰值檢測(cè)，得到下一次的瞬時(shí)頻率估計(jì)值重構(gòu)信號(hào)

S24：若第n次迭代得到頻率和第n-1次瞬時(shí)頻率估計(jì)的誤差小于預(yù)設(shè)閾值，則此時(shí)瞬時(shí)頻率估計(jì)值為含噪信號(hào)的精確瞬時(shí)頻率估計(jì)值，否則繼續(xù)迭代。

2.如權(quán)利要求1所述的一種頻移鍵控通信信號(hào)調(diào)制方式識(shí)別方法，其特征在于，對(duì)步驟S1中的采樣的頻移鍵控信號(hào)做分段處理，對(duì)長(zhǎng)度為L(zhǎng)的信號(hào)進(jìn)行分段，共分為N段，每段長(zhǎng)度為2048個(gè)采樣點(diǎn)，N的取值為50或100。

3.如權(quán)利要求1所述的一種頻移鍵控通信信號(hào)調(diào)制方式識(shí)別方法，其特征在于，如步驟S3中所述生成信號(hào)時(shí)頻圖的步驟為：

S31：采用瞬時(shí)頻率估計(jì)值重構(gòu)時(shí)域信號(hào)然后對(duì)其進(jìn)行SPWVD時(shí)頻變換得到待檢信號(hào)三維時(shí)頻圖SPWVD(t,f)，在所述S2迭代信噪比提升方法的基礎(chǔ)上分別得到三種頻移鍵控信號(hào)各N幅三維時(shí)頻圖像；

S32：對(duì)所有三維時(shí)頻圖進(jìn)行灰度變換，讀取每段信號(hào)時(shí)頻圖的俯視圖，通過(guò)matlab中的灰度變換函數(shù)對(duì)三維時(shí)頻圖的俯視圖進(jìn)行灰度變換，每類(lèi)調(diào)制類(lèi)型信號(hào)都生成N幅二維灰度圖片，所述二維灰度圖片含有信號(hào)的調(diào)制類(lèi)型特征；

S33：對(duì)二維灰度圖像進(jìn)行標(biāo)記，標(biāo)記后的二維時(shí)頻灰度圖像集合作為后續(xù)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集和驗(yàn)證集。

4.如權(quán)利要求1所述的一種頻移鍵控通信信號(hào)調(diào)制方式識(shí)別方法，其特征在于，所述S4中的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟為：

S41：設(shè)置神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)，選用的神經(jīng)網(wǎng)絡(luò)為多層卷積神經(jīng)網(wǎng)絡(luò)，首先設(shè)置卷積層和池化層的個(gè)數(shù)，然后設(shè)置每個(gè)卷積層和池化層中卷積核以及池化核的個(gè)數(shù)和大小，最后設(shè)置全連接層的神經(jīng)元個(gè)數(shù)以及輸出層神經(jīng)元的個(gè)數(shù)；

S42：訓(xùn)練設(shè)置好的卷積神經(jīng)網(wǎng)絡(luò)，將作為訓(xùn)練數(shù)據(jù)的已知調(diào)制類(lèi)型的頻移鍵控信號(hào)信噪比提升后生成的二維時(shí)頻灰度圖像作為輸入，設(shè)置訓(xùn)練參數(shù)，對(duì)設(shè)置好的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

S43：調(diào)整卷積神經(jīng)網(wǎng)絡(luò)參數(shù)，根據(jù)卷積神經(jīng)網(wǎng)絡(luò)輸出的分類(lèi)結(jié)果與真實(shí)標(biāo)簽的比較，通過(guò)反向傳播算法調(diào)整更新模型參數(shù)，達(dá)到最優(yōu)的網(wǎng)絡(luò)參數(shù)；

S44：保存訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，將訓(xùn)練并調(diào)整好參數(shù)的卷積神經(jīng)網(wǎng)絡(luò)模型保存，用于后續(xù)對(duì)待識(shí)別數(shù)據(jù)的信號(hào)調(diào)制識(shí)別。