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：北京理工大学

摘要：本发明公开的一种基于专家助理模型的信号高效自动调制识别方法，属于信号调制模式识别技术领域。本发明通过专家模块对原始信号池化，通过助理模块对数据分段，减少RNN模块的循环操作次数，降低推理时间；本发明通过专家模块和助理模块分别提取不同尺度的特征，提高特征提取的效率和准确率，且能间接减少参数量；本发明通过时序交换操作，在不引入额外参数情况下，对助理模块多路卷积的输出进行联合处理，增加特征提取的多样性和全面性，进一步提高信号识别准确率。本发明通过基于权重大小对训练好的专家助理神经网络模型进行迭代剪枝，进一步减少模型参数量。本发明应用于端侧设备的信号实时自动调制识别，提高信号自动调制识别的效率和精度。

主权项：1.一种基于专家助理模型的信号高效自动调制识别方法，其特征在于：包括如下步骤，步骤1：采集IQ调制信号作为数据集，基于信号调制识别数据集，按照预定比例将数据集划分为训练集、测试集、验证集。步骤2：构建专家助理神经网络模型，所述专家助理神经网络模型包括依次相连的多路CNN模块、RNN模块和分类层；多路CNN模块进一步分为专家模块和多路助理模块；专家模块输入为整段IQ信号，包括两个二维卷积层和一个二维池化层，专家模块用于提取表征信号整体特性的大尺度特征；多路助理模块输入为分段后的IQ信号，包括多组并行处理的二维卷积层和时序交换模块，多路助理模块用于提取表征信号局部特性的小尺度特征；专家模块提取的大尺度特征和多路助理模块提取的小尺度特征按通道拼接得到二维复合特征；将二维复合特征作为RNN模块的输入；RNN模块包括一个GRU层，用于提取二维复合特征的时序信息，并将时序信息压缩成一个时间戳的特征；分类层为一个全连接层，输入为RNN模块输出的一个时间戳的特征，通过分类层将一个时间戳的特征映射成各个调制方式类别概率的预测值，并据预测值对信号调制方式进行分类；步骤3：基于步骤2构建的专家助理神经网络模型，配置模型训练所需参数，设置学习率、批处理大小、权值初始化方式、优化方法、迭代次数；使用步骤1中得到的数据集，训练用于信号调制识别的专家助理神经网络模型；步骤4：对步骤3训练好的专家助理神经网络模型剪枝，采用基于权重大小的迭代剪枝方法，通过不停迭代地将专家助理神经网络模型中部分权重置零、重新训练专家助理神经网络模型，在最大程度保持专家助理神经网络模型原有性能的条件下减少非零参数的数量，从而减少专家助理神经网络模型的运算消耗，得到剪枝后的专家助理神经网络模型；步骤5：输入实际待分类识别的IQ信号，根据步骤4得到剪枝后的专家助理神经网络模型，将输入信号映射成各个调制方式类别概率的预测值，并据预测值对信号调制方式进行分类，实现信号的自动调制识别。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于专家助理模型的信号高效自动调制识别方法