[發(fā)明專利]基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310507273.4
• 申請(qǐng)日: 2023-05-08
• 公開（公告）號(hào): CN116561559A
• 公開（公告）日: 2023-08-08
• 發(fā)明（設(shè)計(jì)）人: 許華;龐伊瓊;彭翔;史蘊(yùn)豪
• 申請(qǐng)（專利權(quán)）人: 中國人民解放軍空軍工程大學(xué)
• 主分類號(hào): G06F18/213
• 分類號(hào): G06F18/213;G06F18/22;G06N3/0442;G06N3/0464;G06N3/048;G06N3/084;G06N3/0985
• 代理公司: 西安亞信智佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61241
• 代理人: 呂寧

1.一種基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，包括以下步驟：

建立多級(jí)關(guān)系度量網(wǎng)絡(luò)的網(wǎng)絡(luò)模型，所述網(wǎng)絡(luò)模型包括多級(jí)的特征嵌入模塊和多級(jí)的關(guān)系度量模塊；

將待識(shí)別的小樣本信號(hào)分別輸入至每級(jí)所述特征嵌入模塊中，進(jìn)行重構(gòu)特征訓(xùn)練，分別得到每級(jí)對(duì)應(yīng)的重構(gòu)特征向量；

將每級(jí)對(duì)應(yīng)的所述重構(gòu)特征向量分別輸入至對(duì)應(yīng)級(jí)的所述關(guān)系度量模塊中，進(jìn)行多級(jí)度量訓(xùn)練，分別得到每級(jí)所述小樣本信號(hào)的相似性得分和對(duì)應(yīng)的加權(quán)系數(shù)；

通過加權(quán)求和確定所有所述小樣本信號(hào)的最終相似性得分。

2.根據(jù)權(quán)利要求1所述基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，所述建立多級(jí)關(guān)系度量網(wǎng)絡(luò)的網(wǎng)絡(luò)模型的步驟中，

所述特征嵌入模塊用表示，每級(jí)所述特征嵌入模塊包括依次連接的多個(gè)具有卷積核的殘差塊，以及與最后一個(gè)所述殘差塊連接的長(zhǎng)短期神經(jīng)記憶網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，所述建立多級(jí)關(guān)系度量網(wǎng)絡(luò)的網(wǎng)絡(luò)模型的步驟中，

所述關(guān)系度量模塊用表示，每級(jí)所述關(guān)系度量模塊包括依次連接的兩個(gè)具有卷積核的殘差塊，以及與最后一個(gè)所述殘差塊連接的全連接網(wǎng)絡(luò)；所述全連接網(wǎng)絡(luò)中包含ReLU激活函數(shù)。

4.根據(jù)權(quán)利要求1所述基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，所述將待識(shí)別的小樣本信號(hào)分別輸入至每級(jí)所述特征嵌入模塊中，進(jìn)行重構(gòu)特征訓(xùn)練，分別得到每級(jí)對(duì)應(yīng)的重構(gòu)特征向量的步驟中，

所述小樣本信號(hào)包括支持集D_S和查詢集D_Q，所述支持集D_S和所述查詢集DQ構(gòu)成所述小樣本信號(hào)的基本單元T，T＝{D_S，D_Q}；所述支持集D_S由標(biāo)簽信號(hào)樣本組成，所述查詢集DQ由待測(cè)信號(hào)樣本組成，且所述支持集D_S和所述查詢集D_Q內(nèi)的信號(hào)樣本的標(biāo)簽空間相同；若所述支持集D_S內(nèi)包含C類信號(hào)，每類所述信號(hào)中分別包含K個(gè)信號(hào)樣本，則所述小樣本信號(hào)為C-wayK-shot識(shí)別信號(hào)。

5.根據(jù)權(quán)利要求4所述基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，所述將待識(shí)別的小樣本信號(hào)分別輸入至每級(jí)所述特征嵌入模塊中，進(jìn)行重構(gòu)特征訓(xùn)練，分別得到每級(jí)對(duì)應(yīng)的重構(gòu)特征向量的步驟中，

針對(duì)所述C-way?K-shot識(shí)別信號(hào)，將所述支持集D_S和所述查詢集D_Q內(nèi)的所述信號(hào)樣本分別輸入至每級(jí)所述特征嵌入模塊中，每級(jí)所述特征嵌入模塊分別輸出樣本分布特征統(tǒng)計(jì)量，并通過重參數(shù)化方法分別生成每級(jí)對(duì)應(yīng)的所述重構(gòu)特征向量。

6.根據(jù)權(quán)利要求5所述基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，所述樣本分布特征統(tǒng)計(jì)量包括特征向量均值和特征向量方差所述重構(gòu)特征向量的公式包括：

其中，x表示輸入的信號(hào)樣本；表示重構(gòu)特征向量；ε表示從高斯分布中隨機(jī)采樣的參數(shù)；⊙表示對(duì)應(yīng)元素相乘；v表示第v級(jí)；θ表示特征嵌入模塊網(wǎng)絡(luò)參數(shù)。

7.根據(jù)權(quán)利要求6所述基于多級(jí)關(guān)系度量網(wǎng)絡(luò)的小樣本信號(hào)調(diào)制識(shí)別方法，其特征在于，所述將每級(jí)對(duì)應(yīng)的所述重構(gòu)特征向量分別輸入至對(duì)應(yīng)級(jí)的所述關(guān)系度量模塊中，進(jìn)行多級(jí)度量訓(xùn)練，分別得到每級(jí)所述小樣本信號(hào)的相似性得分和對(duì)應(yīng)的加權(quán)系數(shù)的步驟中，

當(dāng)所述支持集D_S內(nèi)第c類所述信號(hào)在第v級(jí)的特征向量表示該類所有信號(hào)樣本特征向量的均值時(shí)，得到：

其中，x_c表示第c類信號(hào)；x_ci表示第c類信號(hào)的第i個(gè)信號(hào)樣本；

則所述關(guān)系度量模塊的輸出公式包括：

其中，表示與待測(cè)信號(hào)樣本x_j第v級(jí)特征向量和v-1級(jí)關(guān)系度量模塊輸出的相似性特征映射的特征連接；φ表示關(guān)系度量模塊網(wǎng)絡(luò)參數(shù)；若v＝1，則