[發明專利]一種基于射頻學習的低軌衛星信號調制識別方法及裝置

在審

• 申請號: 202310185966.6
• 申請日: 2023-03-01
• 公開（公告）號: CN116432003A
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 鄧中亮;劉麗哲;魏朋梟;劉雯;王冬冬;林文亮;王珂;李銘輝;蔡威;鄧耀華;萬達;劉先勇;彭博溢
• 申請（專利權）人: 北京郵電大學;中國電子科技集團公司第五十四研究所
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/24;G06F18/241;G06N3/0464;G06N3/048;G06N3/084;H04L27/00
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 薛海波

1.一種基于射頻學習的低軌衛星信號調制識別方法，其特征在于，該方法包括以下步驟：

獲取多個衛星終端用戶點的射頻信號，將每個衛星終端用戶點的射頻信號做離散傅里葉變換得到每個衛星終端用戶點在各時間點的頻譜；將每個衛星終端用戶各時間點的頻譜沿時間演進并堆疊成平面圖譜，并對所述平面圖譜中的各元素值做圖像灰度提取處理得到二維可視化圖片，對各二維可視化圖片中的元素值作統計分析后進行銳化隱沒操作，并按照各衛星終端用戶點的序號堆疊為三維譜陣圖；

將所述三維譜陣圖向時頻域所在二維平面進行投影，得到各衛星終端用戶點疊加的二維可視化頻譜圖，對所述二維可視化頻譜圖中的元素值進行抽樣，并將抽樣元素值分為多個子序列；按照各子序列中元素的位置對所述二維可視化頻譜圖進行采樣得到多個子圖像；計算每個子圖像上各抽樣元素值的拉普拉斯算子并組合得到所有抽樣元素值的拉普拉斯矩陣，所述拉普拉斯矩陣中的拉普拉斯算子用以表征所述射頻信號的頻域特征；從全時間域以及全頻率域對所述三維譜陣圖沿元素數值梯度絕對值方向進行切割，計算切割表面任一元素值的多個相鄰元素值對該元素值的影響值并進行噪聲插值，按數值大小將噪聲值與各元素值渲染為熱度圖以表征所述射頻信號的時頻特征；計算各衛星終端用戶點在全時間域接收到的所述射頻信號的幅度以及相位，并按各衛星終端用戶點的序號排列映射得到類等高線三維立體圖，以表征所述射頻信號的幅相特征；分別計算所述頻域特征、所述時頻特征以及所述幅相特征的交叉熵值，并利用交叉熵值最大的特征生成射頻語義圖譜；

獲取預訓練的低軌衛星射頻語義圖譜識別分類模型，所述低軌衛星射頻語義圖譜識別分類模型包括依次連接的輸入層、卷積層、池化層、全連接層和激活函數，將所述射頻語義圖譜輸入所述預訓練低軌衛星射頻語義圖譜識別分類模型，得到輸出調制方法識別結果；

其中，生成所述射頻語義圖譜包括，將子圖像中的元素值以及元素值變化態勢總增益按照設定比例映射為語義圖譜元素的色度與亮度，得到頻域特征射頻語義圖譜；根據先驗計算所述射頻信號的平均接收功率和接收信干燥比，并將所述平均接收功率和所述接收信干燥比與設定值比較判斷所述射頻信號是否誤碼，并構成時頻特征射頻語義圖譜；將所述類等高線三維立體圖中的元素值按照邊緣-中心原則從邊緣至中心依次填充在語義圖譜中得到幅相特征射頻語義圖譜；所述邊緣-中心原則是指元素值在所述幅相特征射頻語義圖譜中從邊緣至中心逐漸減小，元素值顏色在所述幅相特征射頻語義圖譜從邊緣至中心逐漸變深。

2.根據權利要求1所述的基于射頻學習的低軌衛星信號調制識別方法，其特征在于，對各二維可視化圖片中的元素作統計分析后進行銳化隱沒操作，包括，

計算各衛星終端用戶點在相同時間域和頻率域下的所有二維可視化圖片上元素值的統計方差，去除偏離程度大于統計方差閾值的元素值后繼續計算剩余元素值的統計方差直至剩余元素值的統計方差小于所述統計方差閾值，并計算剩余元素值的統計平均值，并將所述統計平均值填充至被去除的元素值的位置，若計算元素值的統計方差次數超過設定次數并且剩余元素值的統計方差仍大于所述統計方差閾值，則將該二維可視化圖片內所有元素值置零。

3.根據權利要求1所述的基于射頻學習的低軌衛星信號調制識別方法，其特征在于，按照各子序列中元素的位置對所述二維可視化頻譜圖進行采樣得到多個子圖像，還包括，對各子圖像對應的子序列進行圖快速傅里葉變化，得到各子序列的變換序列，

所述變換序列的計算式為：

x∈(1，2^L)，

其中，X_x(s)表示所述變換序列，2^M表示抽樣元素值的總量，Subsequence_x表示所述子序列，j表示頻率，2^L表示所述子序列的數量，u表示子序列中的元素值。