[發明專利]一種無線電信號的頻域識別方法

在審

• 申請號: 202110738037.4
• 申請日: 2021-06-30
• 公開（公告）號: CN113542180A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 張玉坤
• 申請（專利權）人: 北京頻譜視覺科技有限公司
• 主分類號: H04L27/26
• 分類號: H04L27/26;G06N3/04
• 代理公司: 安徽致至知識產權代理事務所(普通合伙) 34221
• 代理人: 陳文龍

本發明公開了一種無線電信號的頻域識別方法，所述頻域識別方法包括以下步驟；第一步，采集已知無線電信號頻譜數據；第二步，對已知無線電信號的頻譜特征進行學習，構建基于無線電頻譜形狀的特征模板庫，不同的無線電信號有其獨有的無線電頻譜形狀特征模板；第三步，接收未知無線電信號的頻譜數據，使之與第二步構建的無線電信號頻譜形狀特征模板庫進行對比，找到與之匹配的無線電信號頻譜形狀特征模板；第四步，將匹配結果輸出。本發明通過對無線電信號頻譜形狀特征進行學習，形成獨有的無線電頻譜形狀特征模板，可以快速識別未知無線電信號，且根據需要擴充無線電頻譜形狀特征模板庫，增強對已知信號數量的覆蓋能力。

技術領域

本發明涉及無線電通信技術領域，更具體地說，本發明涉及一種無線電信號的頻域識別方法。

背景技術

目前，現有的無線電信號的識別方法主要包括時域和頻域兩類方法，時域類識別方法接收無線電信號時域數據，對其使用無線電信號的時域解調/解碼算法，獲得其通信傳輸的信息，以此識別無線電信號；

頻域類識別方法接收無線電信號頻譜數據，對其使用相關算法加以識別，僅需要采集無線電信號的頻譜數據，且對數據的完整性不敏感，可以依據網絡傳輸帶寬或存儲空間的大小丟棄部分頻譜數據，降低數據的采集量而不影響識別結果。

現有技術存在以下不足：無線電信號的時域類識別方法雖然準確率高，但需要采集無線電信號的時域數據量太大，且不能丟失，對未知信號的解調/解碼需要先識別其通信模式和通信協議，才可以對其解調/解碼，難度很大，無線電信號的頻域類識別方法準確率低。

發明內容

本發明提供一種無線電信號的頻域識別方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種無線電信號的頻域識別方法，所述頻域識別方法包括以下步驟；

第一步，采集已知無線電信號頻譜數據；

第二步，對已知無線電信號的頻譜特征進行學習，構建基于無線電頻譜形狀的特征模板庫，不同的無線電信號有其獨有的無線電頻譜形狀特征模板；

第三步，接收未知無線電信號的頻譜數據，使之與第二步構建的無線電信號頻譜形狀特征模板庫進行對比，找到與之匹配的無線電信號頻譜形狀特征模板；

第四步，將匹配結果輸出。

優選的，所述第一步中，采集的已知無線電信號包括基于多尺度二維卷積網絡的無線電信號，將經過編碼與調制的模擬信號進行魏格納-威利時頻變換，構造魏格納-威利分布圖作為網絡輸入，魏格納-威利分布圖豐富表征信號時域，針對魏格納-威利分布圖中存在多尺度結構，設計具有多尺度核與多通道的卷積子網絡，分別提取魏格納-威利分布圖中細粒度的多尺度、多層次化特征，將多尺度、多層次特征進行拼接以獲得調制信號的精細結構特征，包含在調制方式為EMC數據集上，解決傳統方法依賴先驗知識提取特征的問題，現代通信環境是一個雷達與通信信號高度交疊的電磁環境，通信環境中各類噪聲信號、多源通信信號，干擾信號以及各種突發信號相互交疊，加之各類通信、廣播、數據中繼衛星處于開放的空間，會面臨各種有意或無意干擾的影響，復雜的信號類型使得人工設計普適的特征非常困難，傳統信號處理方法主要是在信號內外部特征處理上做工作，依照先驗知識設定需要提取的信號特征，在信號處理過程中通過特征提取和比對實現信號類型、調制方式以及編碼方式的識別，而深度學習本質就是是一種數據特征學習方法，利用神經網絡的優越擬合性能減少人工特征工程的干預，以及通過構建深層結構化神經網絡去學習數據的層次化特征，逐層擬合數據源空間分布，從而解決傳統方法對于先驗知識的強依賴問題。