买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：一种基于瞬时特征的信号调制识别方法属于通信技术领域。本发明采用瞬时功率谱求出信号的瞬时幅度和瞬时频率序列，用经典希尔伯特变换求出相位序列，针对幅移键控信号MASK、频移键控信号MFSK和相移键控信号MPSK本身的特点，采用三支路并行的卷积神经网络‑长短时记忆网络对六种通信信号进行调制识别，不需要像经典的瞬时统计特征参数采用的机器学习分类器如决策树和支持向量机等需要在预处理后进行特征参数提取的步骤，减少了计算瞬时统计参数的复杂度，提升了低信噪比下识别准确率的问题，通过设计三支路并行融合的网络结构，可以提高由单一特征进行分类识别的准确性。

主权项：1.一种基于瞬时特征的信号调制识别方法，其特征是：包括以下步骤，并且以下步骤顺次进行，步骤一、通信信号获取对一个基带信号分别进行不同调制方式的处理，获得调制后的多进制振幅键控信号MASK、多进制频移键控信号MFSK或多进制相移键控信号MPSK，使用matlab软件进行上述三类调制信号的仿真，获得调制后的通信信号St的表达式为： 式中：St为通信信号；t为时间变量；fc为载波频率；At为瞬时幅度；为非线性相位；步骤二、作信号瞬时功率谱对所述通信信号St作瞬时功率谱变换IPS，获得信号瞬时功率谱表达式为： 式中：IPSt,f为信号St的瞬时功率谱IPS变换；t为时间变量；f为频率变量；τ为时间延迟；S*为S的共轭；hτ是窗函数，满足h0＝1,其中h0表示窗函数hτ在0处的取值；步骤三、瞬时频率和瞬时幅度提取根据信号瞬时功率谱表达式，推导出由瞬时功率谱性质得到的在时域以及频域上的表达式： 其中，St表示通信信号，Sf表示St的傅里叶变换；瞬时频率fit由上式推导得到的表达式为： 瞬时频率fit处的能量密度表示通信信号的幅值，则瞬时幅度由瞬时频率处的能量值强度获得；步骤四、瞬时相位提取选择非线性相位作为相位特征序列，将通信信号St在时域上经过希尔伯特变换获得解析信号Zt＝H[St]＝xt+j*yt，再将求得的相位并进行解缠绕操作，获得解缠绕相位为再去除载波频率引起的线性相位分量，获得非线性相位序列： 公式中，Zt为希尔伯特变换后的解析信号；xt为解析信号实部；yt为解析信号虚部；φi为非线性相位；fc表示载波频率；t为时间变量；fs表示采样频率；i表示采样点；步骤五、对特征序列进行采样降维对步骤三中得到的长度为N的信号瞬时幅度序列和瞬时频率序列，步骤四中获得的长度为N的瞬时相位序列均进行多次隔1采1的降维操作，使长度为N的长序列降到2000个采样点内，其中N为自然数；步骤六、将提取瞬时特征序列做数据集选取多进制振幅键控信号MASK、多进制频移键控信号MFSK以及多进制相移键控信号MPSK，并且每种调制信号随机选取M个，其中M为自然数，针对每一个通信信号均重复步骤一至步骤五，分别获得M个相应的降维后的瞬时幅度、瞬时频率以及瞬时相位序列，将M个瞬时幅度序列以.csv文件格式保存形成瞬时幅度序列集，将M个瞬时频率序列以.csv文件格式保存形成瞬时频率序列集，将M个瞬时相位序列以.csv文件格式保存形成瞬时相位序列集，且各数据集中同一序号对应的序列数据来自同一个信号；步骤七、数据集划分将瞬时幅度序列集、瞬时频率序列集以及瞬时相位序列集这三个瞬时特征序列集均各自按照设定比例划分成训练集和验证集；步骤八、卷积神经网络-长短时记忆网络CNN-LSTM模型构建构建一个三支路并行融合的卷积神经网络-长短时记忆网络CNN-LSTM模型，利用训练集和验证集中的数据，三支路一一对应输入同一序号对应的幅度特征序列，频率特征序列和相位特征序列进行同步训练和验证，获得最优的卷积神经网络-长短时记忆网络CNN-LSTM模型；步骤九、应用卷积神经网络-长短时记忆网络CNN-LSTM模型进行调制类别的分类识别将预进行分类识别的多进制振幅键控信号MASK、多进制频移键控信号MFSK或多进制相移键控信号MPSK进行步骤一至步骤五，将获得相应的降维后的瞬时幅度序列、瞬时频率序列以及瞬时相位序列，均以.csv文件格式保存在预留的相应序列集中作为测试集；将预进行分类识别的通信信号的瞬时幅度序列、瞬时频率序列以及瞬时相位序列的.CSV文件作为输入，输入至步骤八获得的最优的卷积神经网络-长短时记忆网络CNN-LSTM模型，识别出该通信信号的调制类别。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于瞬时特征的信号调制识别方法