[發(fā)明專利]通信信號(hào)調(diào)制識(shí)別方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110503555.8
• 申請(qǐng)日: 2021-05-10
• 公開（公告）號(hào): CN115333902A
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 王岳彪;尚渭萍;吳向軍;王哲
• 申請(qǐng)（專利權(quán)）人: 陜西尚品信息科技有限公司
• 主分類號(hào): H04L27/00
• 分類號(hào): H04L27/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種通信信號(hào)調(diào)制識(shí)別方法，其特征在于，所述方法包括：

獲取多種調(diào)制信號(hào)中每種所述調(diào)制信號(hào)對(duì)應(yīng)的IQ數(shù)據(jù)；

根據(jù)每種所述調(diào)制信號(hào)對(duì)應(yīng)的IQ數(shù)據(jù)，獲取每種所述調(diào)制信號(hào)的星座圖，每個(gè)所述星座圖包含基帶符號(hào)；

對(duì)于每個(gè)所述星座圖，采用灰度特征圖像生成算法提取基帶符號(hào)在星座圖中的位置信息，得到灰度圖；

將灰度圖輸入至目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行調(diào)制方式的識(shí)別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用灰度特征圖像生成算法提取基帶符號(hào)在星座圖中的位置信息，得到灰度圖，包括：

將所述星座圖劃分成m×n個(gè)方格，得到具有m行、n列的方格的陣列區(qū)域，m和n為大于1的正整數(shù)；

統(tǒng)計(jì)每個(gè)所述方格內(nèi)基帶符號(hào)的數(shù)量；

根據(jù)每個(gè)所述方格內(nèi)基帶符號(hào)的數(shù)量得到對(duì)應(yīng)方格的像素值；

將得到的像素值作為灰度圖的像素值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)每個(gè)所述方格內(nèi)基帶符號(hào)的數(shù)量得到對(duì)應(yīng)方格的像素值，包括：

按照修正公式，根據(jù)每個(gè)所述方格內(nèi)基帶符號(hào)的數(shù)量得到對(duì)應(yīng)方格的像素值；

所述修正公式為：O_ij＝min{C_ij，255}，i＝1，2，...，m；j＝1，2，...，n，

其中，所述O_ij表示第i行j列的方格的像素值；所述C_ij表示第i行j列的方格中基帶符號(hào)的數(shù)量。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述將灰度圖輸入至目標(biāo)神經(jīng)網(wǎng)絡(luò)模型之前，所述方法還包括：

獲取每種所述調(diào)制信號(hào)的特征灰度圖數(shù)據(jù)集；

采用特征灰度圖數(shù)據(jù)集訓(xùn)練和驗(yàn)證神經(jīng)網(wǎng)絡(luò)模型，得到所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用特征灰度圖數(shù)據(jù)集訓(xùn)練和驗(yàn)證神經(jīng)網(wǎng)絡(luò)模型，得到所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，包括：

構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型并初始化所述深度學(xué)習(xí)網(wǎng)絡(luò)模型；

執(zhí)行重排操作，所述重排操作為：對(duì)特征灰度圖數(shù)據(jù)集進(jìn)行重排，使各SNR中各調(diào)制方式的灰度圖均勻分布于數(shù)據(jù)集中；

將所述特征灰度圖數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；

將所述訓(xùn)練數(shù)據(jù)集劃分為多組，將多組訓(xùn)練數(shù)據(jù)集依次輸入至深度學(xué)習(xí)網(wǎng)絡(luò)模型；

當(dāng)所述深度學(xué)習(xí)網(wǎng)絡(luò)模型的損失函數(shù)不滿足預(yù)設(shè)條件時(shí)，更新網(wǎng)絡(luò)模型的參數(shù)，直至所述損失函數(shù)滿足預(yù)設(shè)條件；

采用所述測(cè)試數(shù)據(jù)集對(duì)所述損失函數(shù)滿足預(yù)設(shè)條件的深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證，得到深度學(xué)習(xí)網(wǎng)絡(luò)模型的性能參數(shù)；

當(dāng)訓(xùn)練次數(shù)達(dá)到預(yù)設(shè)值時(shí)，更新學(xué)習(xí)率；

當(dāng)深度學(xué)習(xí)網(wǎng)絡(luò)模型的性能參數(shù)達(dá)到停止要求時(shí)，停止執(zhí)行訓(xùn)練操作；當(dāng)深度學(xué)習(xí)網(wǎng)絡(luò)模型的性能參數(shù)未達(dá)到停止要求時(shí)，執(zhí)行重排操作。

6.一種通信信號(hào)調(diào)制識(shí)別裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取多種調(diào)制信號(hào)中每種所述調(diào)制信號(hào)對(duì)應(yīng)的IQ數(shù)據(jù)；

第二獲取模塊，用于根據(jù)每種所述調(diào)制信號(hào)對(duì)應(yīng)的IQ數(shù)據(jù)，獲取每種所述調(diào)制信號(hào)的星座圖，每個(gè)所述星座圖包含基帶符號(hào)；

提取模塊，用于對(duì)于每個(gè)所述星座圖，采用灰度特征圖像生成算法提取基帶符號(hào)在星座圖中的位置信息，得到灰度圖；

調(diào)制模塊，用于將灰度圖輸入至目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行調(diào)制方式的識(shí)別。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述提取模塊，包括：

劃分子模塊，用于將所述星座圖劃分成m×n個(gè)方格，得到具有m行、n列的方格的陣列區(qū)域，m和n為大于1的正整數(shù)；

統(tǒng)計(jì)子模塊，用于統(tǒng)計(jì)每個(gè)所述方格內(nèi)基帶符號(hào)的數(shù)量；

確定子模塊，用于根據(jù)每個(gè)所述方格內(nèi)基帶符號(hào)的數(shù)量得到對(duì)應(yīng)方格的像素值；

第一處理子模塊，用于將得到的像素值作為灰度圖的像素值。