申请/专利权人：扬州大学;江苏科瑞恩自动化科技有限公司

申请日：2022-10-21

公开（公告）日：2024-06-25

公开（公告）号：CN115622852B

主分类号：H04L27/00

分类号：H04L27/00;G06F18/22;G06F18/231;G06F18/2431;G06N3/045;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2023.02.10#实质审查的生效;2023.01.17#公开

摘要：本发明公开了一种基于星座图KD树增强与神经网络GSENet的调制识别方法，按照不同调制方式利用计算机生成仿真的调制信号，得到调制信号样本xst；对调制信号添加非高斯噪声，获得真实调制信号样本；根据真实调制信号样本生成星座图；通过KD树邻近点搜索的方法对星座图进行增强，得到增强后的星座图；将增强后星座图按比例制作训练集、验证集和测试集，对深度神经网络GSENet进行训练，获得训练好的神经网络GSENet；将待识别调制信号的增强星座图输入训练好的神经网络，得到调制识别结果。本发明提高了在非高斯噪声和低信噪比下条件下的识别性能，增加了调制方式识别种类。

主权项：1.一种基于星座图KD树增强与神经网络GSENet的调制识别方法，其特征在于：包括如下步骤：步骤1：按照不同调制方式利用计算机生成仿真的调制信号，得到调制信号样本xst；xst表示用第s种调制方式获取的第t个调制信号，s＝1，2，…S，t＝1，2，…N；步骤2：对调制信号添加非高斯噪声，获得真实调制信号样本；步骤3：根据真实调制信号样本生成星座图；步骤4：通过KD树邻近点搜索的方法对星座图进行增强，得到增强后的星座图；步骤5：将增强后星座图按比例制作训练集、验证集和测试集，对深度神经网络GSENet进行训练，获得训练好的神经网络GSENet；步骤6：将待识别调制信号的增强星座图输入训练好的神经网络，得到调制识别结果；通过KD树邻近点搜索的方法对星座图进行增强，得到增强后的星座图，包括如下步骤：对星座图中所有数据点的坐标进行聚类，获得k个簇，计算每一个簇中所有数据点的每一维方差，然后选取方差最大的那一维中所有数据点的中位数作为分割超面，即根结点，最后确定左子树右子树，递归进行，直到叶子结点，建立KD树；在KD树中，设置一个待处理的数据点为目标点，在KD树中搜索每个点的最邻近随机点，计算最邻近随机点到目标点之间的距离dmin，直到所有输入的目标点都计算完毕，得到所有目标点的最邻近距离；按照所有目标点的最邻近距离近似为目标点的密度,对所有最邻近距离进行着色处理，得到增强后的星座图；所述神经网络GSENet由5x5池化层，1x1x128卷积层，1x1池化层，1x1x32卷积层，1x1x128卷积层，1x1x128全连接层，输出层依次连接组成，并每一个卷积层之后的激活函数中增加一个BN层。

全文数据：

权利要求：

百度查询： 扬州大学;江苏科瑞恩自动化科技有限公司 一种基于星座图KD树增强与神经网络GSENet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