← 返回列表
一种基于混合型复数神经网络的调制识别方法
申请人信息
- 申请人:中国人民解放军战略支援部队航天工程大学
- 申请人地址:101416 北京市怀柔区八一路1号
- 发明人: 中国人民解放军战略支援部队航天工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于混合型复数神经网络的调制识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311627715.5 |
| 申请日 | 2023/11/30 |
| 公告号 | CN117768278A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | H04L27/00 |
| 权利人 | 中国人民解放军战略支援部队航天工程大学 |
| 发明人 | 徐照菁; 方胜良; 范有臣; 李世忠; 彭亮; 马昭; 王孟涛; 温晓敏; 尹坤; 冯俊豪 |
| 地址 | 北京市怀柔区八一路1号 |
摘要文本
本发明公开了一种基于混合型复数神经网络的调制识别方法，属于无线电通信技术领域，包括：采用不重复随机抽样的方法对数据集中的信号按照预设比例提取，划分为训练集、验证集和测试集；通过将PET‑CGDNN中的特征提取模块替换为复数特征提取模块，构建基于混合型复数神经网络的调制识别模型；使用训练集对调制识别模型训练；使用验证集对应用每轮模型参数的调制识别模型验证，选取在验证集上识别准确率最高的模型参数作为最优模型参数；将测试集输入应用最优模型参数的调制识别模型中，输出预测类别。本发明解决了实数神经网络未充分利用同相/正交时间序列数据之间的内在联系的技术问题，实现了在无法获得稳定的先验信息条件下的信号自动调制识别。
专利主权项内容
1.一种基于混合型复数神经网络的调制识别方法，其特征在于，该方法包括：步骤一、采用不重复随机抽样的方法对无线通信领域数据集中的信号按照预设比例进行提取，划分为训练集、验证集和测试集；步骤二、将参数估计和变换的高效深度学习模型中的特征提取模块替换为复数特征提取模块，由复数特征提取模块以及参数估计和变换的高效深度学习模型中的参数逆变换模块和特征识别模块构建基于混合型复数神经网络的调制识别模型；步骤三、基于自适应矩估计优化算法和交叉熵损失函数，使用训练集对基于混合型复数神经网络的调制识别模型进行训练，并保存每轮训练后获得的模型参数；使用验证集对应用每轮模型参数的基于混合型复数神经网络的调制识别模型进行验证，选取在验证集上识别准确率最高的模型参数作为最优模型参数；步骤四、将测试集输入应用最优模型参数的基于混合型复数神经网络的调制识别模型中，输出预测类别。