[發明專利]一種基于卷積神經網絡的QAM信號調制識別方法

有效

• 申請號: 202210928802.3
• 申請日: 2022-08-03
• 公開（公告）號: CN115314348B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 王珂;王圣川;張俊;景亮;陽承毅
• 申請（專利權）人: 電信科學技術第五研究所有限公司
• 主分類號: H04L27/00
• 分類號: H04L27/00;H04L27/34;G06F18/213;G06F18/25;G06F18/241;G06N3/0464
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 王大剛

本發明涉及一種基于卷積神經網絡的QAM信號調制識別方法，包括：S1、獲取多種QAM信號和其他信號；S2、對接入的QAM信號的IQ數據進行處理，得到信號的星座圖數據、瞬時相位數據和一階頻譜數據；S3、對切分好的IQ數據進行星座圖、瞬時相位和一階頻譜計算得到M個PSK信號預測樣本，并輸入到訓練好的多維三輸入卷積神經網絡模型中對M個QAM信號預測樣本進行預測得到M個預測結果；S4、對M個預測結果進行分析，選取預測最多的類型結果作為QAM信號的識別結果。本發明具有較強的特征融合能力，具有較高的識別準確率，具有很強的抗噪抗干擾能力，具有較快較穩定的處理速度。

技術領域

本發明涉及信號識別處理技術領域，一種基于卷積神經網絡的QAM信號調制識別方法。

背景技術

在通信技術的發展過程中，為了提高通信的質量和效率，更加高效地利用信道容量以滿足不同用戶的需求，通信信號采用不同的調制體制，其可分為模擬調制和數字調制；模擬調制可以分為幅度調制和頻率調制；數字信號的調制方式可分為幅移鍵控(ASK)、頻移鍵控(FSK)、相移鍵控(PSK)和正交振幅調制(QAM)，而每一種調制方式又可進一步劃分，比如正交振幅調制就可分為8QAM、16QAM、32QAM、64QAM、128QAM、256QAM等。

近年來深度學習技術在圖像方面發展成熟，也被應用到越來越多的行業中取得了很好的效果；信號的不同調制方式其特性差異很大，且需要將多種信號特征相結合才能完成信號的調制識別，因此，如何將深度學習技術與無線電信號檢測結合起來，以實現信號的快速調制識別，是目前需要考慮的問題。

發明內容

本發明的目的在于克服現有技術的缺點，提供了一種基于卷積神經網絡的QAM信號調制識別方法，通過多維多輸入的卷積神經網絡對信號的特征進行融合與提取，實現QAM類別信號的調制識別。

本發明的目的通過以下技術方案來實現：一種基于卷積神經網絡的QAM信號調制識別方法，所述調制識別方法包括：

S1、獲取多種QAM信號和其他信號，其中，多種PSK信號生成數量為N，其他信號生成數量為3N，信號長度為L，并記錄保存信號類型；

S2、對接入的QAM信號的IQ數據進行處理，得到信號的星座圖數據、瞬時相位數據和一階頻譜數據；

S3、對切分好的IQ數據進行星座圖、瞬時相位和一階頻譜計算得到M個PSK信號預測樣本，并輸入到訓練好的多維三輸入卷積神經網絡模型中對M個QAM信號預測樣本進行預測得到M個預測結果；

S4、對M個預測結果進行分析，選取預測最多的類型結果作為QAM信號的識別結果。

所述多維三輸入卷積神經網絡模型對輸入的三個數據進行預測包括：

對星座圖依次使用256、128、64、32個卷積核進行特征處理，并進行2*2的池化，得到尺寸為64*64*32的特征矩陣；對瞬時相位和一階頻譜依次使用512、256、128個卷積核進行特征處理，并進行1*2的池化，分別得到兩個尺寸為1*128*128的特征矩陣；

對三個特征矩陣進行平坦化后進行特征拼接，得到一個1*163840*1的特征矩陣，并對其依次使用64、32、16、8個卷積核進行特征處理，并進行1*2的池化，最后得到1*10240*8的特征矩陣；

將最后得到的特征矩陣通過平坦層并依次使用長度為1024和7的全連接層進行特征壓縮，得到預測結果。

所述對接入的QAM信號的IQ數據進行處理，得到信號的星座圖數據、瞬時相位數據和一階頻譜數據包括：將IQ數據映射到正交平面得到星座圖，通過公式計算瞬時相位，通過公式F(t)＝FFT(I(t)+jQ(t))計算一階頻譜，其中，FFT為傅里葉變換，I(t)為I路數據，Q(t)為Q路數據。