技术特征：
1.一种随机多径干扰条件下基于cbd网络的调制信号识别方法，其特征在于，包括以下步骤：步骤s100：复杂噪声和多径干扰条件下通信信号建模和数据集生成：根据无线信号传输系统，基于多种噪声模型生成多径干扰下不同调制类型的通信信号，构成数据集；步骤s200：cbd网络模型设计：设计基于注意力机制的cnn
‑
bilstm
‑
dnn模型，包括cnn特征提取模块、双向长短时记忆网络模块和全连接层分类模块；步骤s300：cbd网络模型训练：使用固定多径参数生成的数据集对模型进行训练与验证，保存最佳模型；步骤s400：基于cbd网络的调制信号识别和泛化性功能分析：评估验证集的表现，与此同时，重新生成多径参数在训练集基础上随机波动的测试数据集，使用上述最佳模型测试对其识别效果，对比验证集与测试集表现，进行泛化性分析。2.根据权利要求1所述的一种随机多径干扰条件下基于cbd网络的调制信号识别方法，其特征在于，在步骤s100中，所述调制信号识别的数据对象为低信噪比、随机多径干扰、不同噪声环境下的已调信号，信号调制类型包括：2fsk、bpsk、qpsk、wb
‑
fm和dsb
‑
am。3.根据权利要求2所述的一种随机多径干扰条件下基于cbd网络的调制信号识别方法，其特征在于，在步骤s100中，所述数据集的生成模拟实际信号传播的方式，如公式：y(t)＝m(s(t))*h(t)+n(t)其中，y(t)为输出信号，s(t)为原信号，m(
·
)为信号调制，h(t)为信道响应，n(t)为加性噪声；上述信号生成方法中，信道为多径信道，即信道响应h(t)需添加时延与衰减，添加两个多径干扰信道，信号延迟分别为0.16μs和0.4μs，信号衰减分别为
‑
10db和
‑
15db；上述信号生成方法中，加性噪声共分3类，分别为高斯白噪声、单分形噪声和多重分形噪声，信噪比均服从snr＝信号功率/噪声功率。4.根据权利要求1所述的一种随机多径干扰条件下基于cbd网络的调制信号识别方法，其特征在于，在步骤s200中，所述cbd网络模型的结构包括cnn特征提取模块中的三层cnn、双向长短时记忆网络模块中的两层bilstm+attention层和全连接层分类模块中的两层dnn，模型具体包括：cnn特征提取模块：第一层卷积层，内含48个30*1的卷积核，卷积步长为1；第一层最大池化层，窗长为4；dropout层；第二层卷积层，内含36个30*1的卷积核，卷积步长为1；第二层最大池化层，窗长为4；dropout层；第三层卷积层，内含16个30*1的卷积核，卷积步长为1；第三层最大池化层，窗长为4；dropout层；双向长短时记忆网络模块：第一层bilstm，隐层节点数为128，保留双向所有输出；dropout层；第二层bilstm，隐层节点数为128，保留双向所有输出；dropout层；自注意力层；平铺层；全连接层分类模块：
第一层全连接层，隐层节点数256；dropout层；输出层，隐层节点数5；上述自注意力层的激活函数选择sigmoid，输出层的激活函数选择softmax，其余所有层的激活函数选择relu；模型的损失函数为交叉熵函数；所有dropout均保留1/4原结点。5.根据权利要求4所述的一种随机多径干扰条件下基于cbd网络的调制信号识别方法，其特征在于，所述自注意力层的原理如下公式：e
t
＝σ(w
a
h
t
+b
a
)a
t
＝soft max(e
t
)l
t
＝a
t
·
x
t
其中，x
t
为原时间序列，w
t
、w
a
为可训练权重，b
t
、b
a
为可训练偏置，σ(
·
)为激活函数，原时间序列x
t
经一系列自注意力变换后，得到新的时间序列l
t
。6.根据权利要求1所述的一种随机多径干扰条件下基于cbd网络的调制信号识别方法，其特征在于，在步骤s400中，所述基于cbd网络的调制信号识别和泛化性功能分析，其实现过程包括：原信号首先进入cnn特征提取模块，通过三层cnn，提取得抽象特征序列；接着所得的抽象特征序列再通过两层bilstm，并在attention机制的帮助下学习到具有更强记忆性的连续特征；最后使用两层的全连接层将最终结果分类，并得到相应的输出；同时，cbd网络模型的使用中，将用于训练的全部数据按一定比例分为训练集与验证集，训练集用于训练模型，验证集用于在同分布的数据上验证模型的效果；此外，将在设定的多径参数基础上，划定一个小范围，使新数据的多径信道影响在划定范围上波动，由此得到一组新数据，用作测试集，再用训练阶段保存的最佳模型来测试在该组数据上的表现，并将结果与模型在验证集上的表现对比，由此进行cbd网络模型泛化性功能分析。
技术总结
本发明公开了一种随机多径干扰条件下基于CBD网络的调制信号识别方法，包括步骤：根据无线信号传输系统，基于多种噪声模型生成多径干扰下不同调制类型的通信信号，构成数据集；设计基于注意力机制的CNN
技术研发人员：熊刚 陈迪 黄柏刚 张淑宁
受保护的技术使用者：上海交通大学
技术研发日：2021.09.13
技术公布日：2021/11/30