申请/专利权人：江苏师范大学

申请日：2024-04-15

公开（公告）日：2024-07-05

公开（公告）号：CN118300941A

主分类号：H04L27/00

分类号：H04L27/00;H04B17/391;G06N3/0455;G06N3/0499;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明提出了一种基于时序掩膜自编码器的调制识别方法，属于无线通信技术领域。具体步骤包括：首先，仿真调制信号，并以其作为样本制作训练集和测试集；然后，设计时序掩膜自编码器，并利用训练集中的样本分别进行预训练、参数迁移以及参数微调；最后，利用测试集中的样本测试所提出的调制识别方法，通过计算得到调制识别准确率。经实验验证，本发明所设计的时序掩膜自编码器具有较好的时序信号特征提取能力，本发明所提出的调制识别方法能适应多种调制信号，能够显著提升调制识别准确率。

主权项：1.一种基于时序掩膜自编码器的调制识别方法。其特征在于包括以下步骤：A：仿真调制信号，并以其作为样本制作训练集和测试集。所述步骤A具体包含以下步骤：A1：通过仿真得到调制信号。涉及11种调制类型，分别为：BPSK、QPSK、8PSK、4PAM、GFSK、CPFSK、16QAM、64QAM、WBFM、AM-SSB、AM-DSB。被接收的调制信号rk满足以下信道模型公式： 式中，xk表示被发射的调制信号，vk表示高斯噪声，ak表示信道增益，Ω表示频率偏移，表示相位偏移，k表示离散时间变量，K表示信号长度。A2：从被接收的调制信号rk中提取I路信号和Q路信号rIk，rQk。I路信号和Q路信号分别满足以下公式：rIk＝Re[rk]rQk＝Im[rk]式中，Re[·]表示取实部操作，Im[·]表示取虚部操作。A3：制作数据集。重复步骤A1和步骤A2共N次，并用仿真得到的I路信号、Q路信号和对应的调制类型标签y组成含有N个样本的数据集其中，下角标n表示仿真次数的序号；再按照8:2的比例分割数据集，以制作训练集和测试集。B：设计时序掩膜自编码器，并利用训练集中的样本分别进行预训练、参数迁移以及参数微调。所述步骤B具体包含以下步骤：B1：设计时序掩膜自编码器。时序掩膜自编码器由编码器和解码器构成；其中，编码器按序分别由卷积层和8个Transformer块组成；解码器按序分别由3个Transformer块和卷积层组成。B2：进行预训练。单次预训练包括7个主要过程，依次为1采用滑动窗对训练集中某一样本所包含的I路信号和Q路信号进行分段，并将分段后的信号输入至步骤B1中编码器的卷积层；2对卷积层的输出进行位置嵌入positionembedding操作，并进行随机掩膜randommasking操作；3将未经掩膜操作的输出作为Transformer块的输入，最终得到编码器的输出；4将编码器的输出作为步骤B1中解码器所包含的Transformer块的输入；5将Transformer块的输出作为卷积层的输入；6将卷积层的输出作为解码器的输出；7以编码器输入与解码器输出之间的均方误差作为损失函数对参数进行优化。反复进行单次预训练，直至步骤B2过程7中的损失函数收敛，预训练结束。在预训练过程中，采用AdamW作为网络参数的优化器，设定学习率为0.001。B3：进行参数迁移。用多层感知机替换步骤B2中时序掩膜自编码器的解码器，并将其作为分类器。保留预训练后编码器的参数，实现参数迁移；同时对多层感知机的参数进行随机初始化。B4：进行参数微调。单次参数微调包括6个主要过程，依次为1采用滑动窗对训练集中某一样本所包含的I路信号和Q路信号进行分段，并将分段后的信号输入至步骤B3中编码器的卷积层；2对卷积层的输出进行位置嵌入positionembedding操作；3将卷积层的输出作为Transformer块的输入，最终得到编码器的输出；4将编码器的输出作为步骤B3中分类器中多层感知机的输入；5将多层感知机的输出作为分类器的输出；6以分类器的输出与对应的调制类型标签之间的交叉熵作为损失函数对参数进行优化。反复进行单次参数微调，直至步骤B4过程6中的损失函数收敛，参数微调结束。在参数微调过程中，采用AdamW作为网络参数的优化器，设定学习率为0.001。C：利用测试集中的样本测试所提出的调制识别方法，通过计算得到调制识别准确率。所述步骤C具体包含以下步骤：C1：利用测试集中的样本测试所提出的调制识别方法。将测试集中所有样本所包含的I路信号和Q路信号依次输入参数微调后的编码器，再以分类器的输出作为调制识别结果，并根据输入编码器的I路信号和Q路信号所对应的样本的调制类型标签判断调制识别结果是否正确。C2：通过计算得到调制识别准确率。计算平均准确率并将其作为调制识别准确率。平均准确率满足以下公式： 式中，M表示测试集中样本的总数，MAcc表示被正确识别样本的总数。

全文数据：

权利要求：

百度查询： 江苏师范大学 一种基于时序掩膜自编码器的调制识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD