本发明以涉及一种基于时频图像智能分类的无线电传输系统识别方法,属于无线电监测,该方法特别适用于无线电监测系统中,利用无线电信号时频图像特征实现对无线电传输系统的分类和识别。
背景技术:
1、无线电信号监测系统中需要通过接收无线电信号,并以非合作的方式识别信号所属的传输系统类型,进而确认目标用户属性。现有大多数识别方法需要从无线电信号调制参数、编码参数、帧结构参数中人工分析出区分传输系统的独有特征,在实际中无线电传输系统的种类很多,导致存在人工分析工作量大、识别过程较为复杂,信号处理过程多等不足,需要较为通用统一且快速的识别方法,从而实现对多种体制无线电传输系统的高效识别。
技术实现思路
1、本发明所要解决的技术问题在于为无线电传输系统识别提供一种新方法。当无线电信号通过其他方法检测到时,为实现可以对无线电信号所属的传输系统类型进行快速有效的识别。
2、本方法所要解决的技术问题由以下技术方案实现:
3、一种基于时频图像智能分类的无线电传输系统识别方法,包括以下步骤:
4、(1)采集需要识别的传输系统信号,将信号按固定长度进行分段生成样本信号,并将样本信号标注为相应的传输系统类别;
5、(2)对分段标注后的信号进行时频图像预处理,转换为时频输入形式,预处理后形成训练样本;
6、(3)根据信号时频特点设计并搭建深度卷积神经网络架构,将训练样本输入到深度卷积神经网络中进行训练,生成传输系统识别神经网络模型;
7、(4)对待识别的信号进行预处理,并将变换后的时频样本输入到传输系统识别神经网络模型中进行识别,得出识别结果。
8、进一步的,步骤(2)中,预处理具体包括以下步骤:
9、(201)将分段标注后的中频信号通过正交下变频的方法变换为零中频复信号;
10、(202)使用低通滤波滤除信号带外噪声,得到信号s(t);
11、(203)使用包络均值归一化的方法将信号的幅度统一标准化,如下式所示:
12、
13、其中,s(t)表示iq双路采样的复数信号,|s(t)表示对信号取包络,t表示信号采样点数;
14、(204)使用短时傅里叶变换将信号转换到时频域,得到复数矩阵s;
15、(205)求复数矩阵s中每个复数点的模,得到模矩阵a;
16、(206)使用下式对s进行逐点模值归一化得到
17、
18、(207)分别取的实部和虚部,结合模矩阵a,共同组成三个通道的输入s'作为训练样本;
19、(208)针对原始样本,在设定范围内随机变换中心频率,重复步骤(201)~(207)得到具有不同频偏的增强样本集。
20、进一步的,步骤(3)具体包括以下步骤:
21、(301)采用残差结构作为深度卷积神经网络架构的基本运算单元,同时引入batchnormalization层加速网络训练;
22、(302)利用mixup数据增强方法,针对两个原始训练数据集中的样本(xi,yi)与(xj,yj),构建出新的训练样本构造方法;
23、
24、
25、其中λ~beta(α,α),α∈[0,+∞],xi和xj分别为步骤2得到的训练样本数据,yi和yj分别为训练样本对应的标签,为新的训练样本数据和对应的标签;
26、(303)使用步骤(302)处理后的样本训练深度卷积神经网络,生成无线电传输系统识别模型。
27、进一步的,步骤(4)具体包括以下步骤:
28、(401)将待识别信号进行时频图像预处理,得到三通道时频输入数据s'd;
29、(402)将待识别信号三通道时频输入数据s'd输入至步骤(3)生成的无线电传输系统识别模型,完成识别。
30、本发明相比背景技术具有如下优点:
31、1、本发明通过对无线电信号进行傅里叶变换形成时频图像,利用时频图像智能分类方法,可以有效实现对不同传输系统差异化细微特征的检测和提取,简化并统一了信号处理过程,从而有效实现对宽带电磁频谱中各类无线电信号的快速准确识别。
32、2、本发明信号处理过程大大简化,仅需要对信号进行短时傅里叶变换预处理,避免了解调、解码等处理过程;
33、3、本发明充分利用深度神经网络在图像分类方面优势,通过训练精确挖掘区分传输系统类型的差异性特征,提升识别的准确率;
34、4、本发明统一识别框架,对无线电传输系统类型具有良好的可扩展性。
1.一种基于时频图像智能分类的无线电传输系统识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于时频图像智能分类的无线电传输系统识别方法,其特征在于,步骤(2)中,预处理具体包括以下步骤:
3.根据权利要求1所述的一种基于时频图像智能分类的无线电传输系统识别方法,其特征在于,步骤(3)具体包括以下步骤:
4.根据权利要求1所述的一种基于时频图像智能分类的无线电传输系统识别方法,其特征在于,步骤(4)具体包括以下步骤: