[發(fā)明專利]基于多級關(guān)系度量網(wǎng)絡的小樣本信號調(diào)制識別方法在審
| 申請?zhí)枺?/td> | 202310507273.4 | 申請日： | 2023-05-08 |
| 公開（公告）號： | CN116561559A | 公開（公告）日： | 2023-08-08 |
| 發(fā)明（設計）人： | 許華;龐伊瓊;彭翔;史蘊豪 | 申請（專利權(quán)）人： | 中國人民解放軍空軍工程大學 |
| 主分類號： | G06F18/213 | 分類號： | G06F18/213;G06F18/22;G06N3/0442;G06N3/0464;G06N3/048;G06N3/084;G06N3/0985 |
| 代理公司： | 西安亞信智佳知識產(chǎn)權(quán)代理事務所(普通合伙) 61241 | 代理人： | 呂寧 |
| 地址： | 710038 陜西*** | 國省代碼： | 陜西;61 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 多級 關(guān)系 度量 網(wǎng)絡 樣本 信號 調(diào)制 識別 方法 | ||
本公開是關(guān)于一種基于多級關(guān)系度量網(wǎng)絡的小樣本信號調(diào)制識別方法。包括以下步驟：建立多級關(guān)系度量網(wǎng)絡的網(wǎng)絡模型，該網(wǎng)絡模型包括多級的特征嵌入模塊和多級的關(guān)系度量模塊；將待識別的小樣本信號輸入至該網(wǎng)絡模型中分別進行重構(gòu)特征訓練和多級度量訓練，最終得到每級小樣本信號的相似性得分和對應的加權(quán)系數(shù)；并通過加權(quán)求和確定所有小樣本信號的最終相似性得分。本公開所提方法能夠提高網(wǎng)絡對樣本各級特征向量的利用率，同時通過重構(gòu)樣本特征向量實現(xiàn)了信號數(shù)據(jù)增強，提高了網(wǎng)絡訓練的泛化性，避免了過擬合現(xiàn)象的出現(xiàn)。
技術(shù)領域
本公開涉及小樣本信號調(diào)制識別技術(shù)領域，尤其涉及一種基于多級關(guān)系度量網(wǎng)絡的小樣本信號調(diào)制識別方法。
背景技術(shù)
通信信號識別在軍用和民用領域都具有重要的研究價值，面對日益復雜化的電磁頻譜空間，傳統(tǒng)基于提取特征和似然比假設理論的調(diào)制識別方法無法充分利用樣本特征，已難以適用。近年來隨著深度學習技術(shù)的發(fā)展，基于深度學習的調(diào)制識別技術(shù)取得了非常好的識別效果，但這種技術(shù)取得很好效果往往是依賴于數(shù)以千計的訓練樣本，樣本量的不足就會導致嚴重的擬合問題。而在實際通信環(huán)境中，通常無法獲得如此多的訓練樣本，因此深度學習的方法難以得到廣泛應用。因此，有必要改善上述相關(guān)技術(shù)方案中存在的一個或者多個問題。
需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構(gòu)成對本領域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。
發(fā)明內(nèi)容
本公開實施例的目的在于提供一種基于多級關(guān)系度量網(wǎng)絡的小樣本通信信號調(diào)制識別方法方法，包括以下步驟：
建立多級關(guān)系度量網(wǎng)絡的網(wǎng)絡模型，所述網(wǎng)絡模型包括多級的特征嵌入模塊和多級的關(guān)系度量模塊；
將待識別的小樣本信號分別輸入至每級所述特征嵌入模塊中，進行重構(gòu)特征訓練，分別得到每級對應的重構(gòu)特征向量；
將每級對應的所述重構(gòu)特征向量分別輸入至對應級的所述關(guān)系度量模塊中，進行多級度量訓練，分別得到每級所述小樣本信號的相似性得分和對應的加權(quán)系數(shù)；
通過加權(quán)求和確定所有所述小樣本信號的最終相似性得分。
本公開的一個示例性實施例中，所述建立多級關(guān)系度量網(wǎng)絡的網(wǎng)絡模型的步驟中，所述特征嵌入模塊用表示，每級所述特征嵌入模塊包括依次連接的多個具有卷積核的殘差塊，以及與最后一個所述殘差塊連接的長短期神經(jīng)記憶網(wǎng)絡。
本公開的一個示例性實施例中，所述建立多級關(guān)系度量網(wǎng)絡的網(wǎng)絡模型的步驟中，所述關(guān)系度量模塊用表示，每級所述關(guān)系度量模塊包括依次連接的兩個具有卷積核的殘差塊，以及與最后一個所述殘差塊連接的全連接網(wǎng)絡；所述全連接網(wǎng)絡中包含ReLU激活函數(shù)。
本公開的一個示例性實施例中，所述將待識別的小樣本信號分別輸入至每級所述特征嵌入模塊中，進行重構(gòu)特征訓練，分別得到每級對應的重構(gòu)特征向量的步驟中，
所述小樣本信號包括支持集DS和查詢集DQ，所述支持集DS和所述查詢集DQ構(gòu)成所述小樣本信號的基本單元T，T＝{DS，DQ}；所述支持集DS由標簽信號樣本組成，所述查詢集DQ由待測信號樣本組成，且所述支持集DS和所述查詢集DQ內(nèi)的信號樣本的標簽空間相同；若所述支持集DS內(nèi)包含C類信號，每類所述信號中分別包含K個信號樣本，則所述小樣本信號為C-way?K-shot識別信號。
本公開的一個示例性實施例中，所述將待識別的小樣本信號分別輸入至每級所述特征嵌入模塊中，進行重構(gòu)特征訓練，分別得到每級對應的重構(gòu)特征向量的步驟中，
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國人民解放軍空軍工程大學，未經(jīng)中國人民解放軍空軍工程大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310507273.4/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
