[發明專利]一種基于圖神經網絡的調制信號分類方法和系統

有效

• 申請號: 202110598753.7
• 申請日: 2021-05-31
• 公開（公告）號: CN113392731B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 宣琦;周錦超;裘坤鋒;項靖陽
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/213;G06F18/25;G06N3/042
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

1.一種基于圖神經網絡的調制信號分類方法，其特征在于，包括：

步驟S1、將I/Q調制信號數據集的每個雙通道I/Q調制信號數據處理成四通道信號；

步驟S2、采用基于注意力的有限穿越可視圖建網算法將四通道信號分別轉換成對應的四通道無向網絡圖信號；

步驟S3、采用圖神經網絡對所述四通道無向網絡圖信號進行特征提取，得到四通道信號的特征向量；

步驟S4、融合四通道的特征向量為所述每個I/Q調制信號的特征向量，且結合圖神經網絡中的全連接層完成信號的分類；

步驟S5、調節可視窗大小，重復步驟S2-步驟S4至效果最佳；

其中，步驟S1具體包括：讀取I/Q調制信號數據，根據其所屬領域專業知識，處理每個信號數據的I通道和Q通道數據得到幅值數據A和相位數據W，將每個雙通道信號數據處理成四通道信號；幅值通道數據A計算方式如下：

式中，A_i表示A通道中第i個時間點的幅值數據，I_i表示I通道中第i個時間點的信號數據，Q_i表示Q通道中第i個時間點的信號數據；

計算相位通道數據W時，以I通道為橫坐標，Q通道為縱坐標，再計算相位，公式如下：

式中，W_i表示W通道中第i個時間點的相位數據，I_i表示I通道中第i個時間點的信號數據，Q_i表示Q通道中第i個時間點的信號數據；

步驟S2具體包括：預設視野窗w參數，將每個I、Q、A和W四個通道信號序列分別轉換成四通道無向網絡圖和其中，信號序列的時間點映射成網絡圖的節點，每個采樣點的值作為其對應節點的特征，X表示為網絡的節點特征，E表示為網絡的連邊，G為無向網絡圖；

基于注意力的有限穿越可視圖建網過程如下：設Y＝{y_i}_{i＝1,2,...,n}為具有n個數據的時間序列，N為有限穿越視距，w為可視窗大小，先將時間序列中的每個時間點對應到網絡中的每個節點，而網絡中的連邊則根據可視性規則來建立，若在離散時間序列中相隔m個數據點的兩個點(t_a,y_a)和(t_b,y_b)相互可視，且mw，則這兩個點之間僅存在M:0≤M≤N個數據點(t_i,y_i)其中t_at_it_b滿足不等式：

y_iy_a+(y_a-y_b)(t_a-t_i)/(t_b-t_a)(3)

其余m-M個數據點(t_j,y_j)點，其中t_at_jt_b滿足不等式：

y_jy_a+(y_a-y_b)(t_a-t_j)/(t_b-t_a)(4)；

步驟S3具體包括：

步驟S3.1、每個通道的網絡圖通過相同層數的圖神經網絡更新節點特征作為單通道的特征提取，其中，第n層的節點特征為四通道經過n層GNN更新后網絡圖分別為和其中網絡節點特征X⁽ⁿ⁾的維度K可自行調節指定；

步驟S3.2、采用全局累加池化將每個通道的節點特征X池化為整個網絡圖的節點特征，池化后得到四個K維的特征向量和

步驟S4具體包括：

步驟S4.1、將從每個調制信號得到的四個網絡圖中學習到的特征向量以水平拼接的形式進行特征空間擴展，最終得到每個調制信號的融合特征向量其中merge()表示水平拼接；

步驟S4.2、將代表每個信號的特征向量通過多層全連接層后實現分類。