[發明專利]一種基于剪枝殘差網絡的調制信號識別方法

有效

• 申請號: 202010885528.7
• 申請日: 2020-08-28
• 公開（公告）號: CN111898591B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 紀衡;廖紅舒;甘露;徐汪洋
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.一種基于剪枝殘差網絡的調制信號識別方法，其特征在于，包括以下步驟：

S1、對調制信號樣本進行預處理,得到均衡后的信號樣本并輸入深度殘差網絡進行訓練，獲得訓練好的深度殘差網絡；

S2、基于訓練好的深度殘差網絡，在歸一化層中，對模型輸入的激活值z_in做歸一化得到之后進行線性變化，輸出的激活值為z_out：

其中，μ_B為輸入激活值的均值，為方差，ε為常數項，γ為線性變換訓練權重Gamma，β為偏置項，獲取深度殘差網絡中所有歸一化層的訓練參數γ，將訓練參數按升序排列；

S3、設定全局剪枝比例c，根據全局的剪枝比例和步驟S2的結果確定閾值在所有歸一化層中，刪除小于閾值的訓練參數γ及其上一層對應的卷積核通道，獲得剔除卷積層后的殘差網絡，具體為：

在升序排列的訓練參數向量中,找到占向量數量比例為c的Gamma參數,即比該數值小的參數數量占Gamma參數總數量的比例為c,并將該Gamma參數設定為全局的剪枝閾值

遍歷模型,對所有歸一化層的Gamma通道,滿足

則減除參數及其對應的卷積核通道其中為第l層卷積層之后的歸一化層的第c通道Gamma參數，對于每一個殘差塊的第一個歸一化層中小于閾值的Gamma參數減除其前一個殘差塊的最后一個卷積層中對應的卷積核通道

S4、基于剔除卷積層后的殘差網絡，分別計算深度殘差網絡每個階段的殘差塊中最后的卷積層通道均值，分別將深度殘差網絡每個階段的殘差塊中最后的卷積層通道數量剪枝至該階段的均值，獲得剪枝殘差網絡；

S5、采用剪枝殘差網絡對調制信號進行識別，對剪枝殘差網絡的平均分類準確率和模型的可訓練參數總量與設定標準進行比較，若未達到設定標準，更新全局剪枝比例c后回到步驟S2，直至達到設定標準為止。