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：西安电子科技大学

摘要：本发明公开了一种基于SEResNet‑LSTM的辐射源调制方式识别方法，包括：对原始通信信号数据集进行信号预处理，获得待识别的辐射源IQ数据；构建SEResNet‑LSTM网络，包括级联的多尺度特征提取模块、LSTM融合网络和softmax层；构建训练数据集，并利用训练数据集对SEResNet‑LSTM网络进行训练；将辐射源IQ数据输入经训练的SEResNet‑LSTM网络模型中，获得原始通信信号的调制方式类型。本发明将ResNet网络与LSTM网络相结合，并引入了通道注意力机制，同时兼顾信号的空间和时间特征，对原始IQ数据进行自动特征提取，挖掘信号的深层特征，以满足自动调制识别的需求。

主权项：1.一种基于SEResNet-LSTM的辐射源调制方式识别方法，其特征在于，包括：对待识别的原始通信信号数据集进行信号预处理，获得待识别的辐射源IQ数据，所述辐射源IQ数据包括同相支路信号和正交支路信号；构建SEResNet-LSTM网络，所述SEResNet-LSTM网络包括级联的多尺度特征提取模块、LSTM融合网络和softmax层；构建训练数据集，并利用所述训练数据集对所述SEResNet-LSTM网络进行训练，获得经训练的SEResNet-LSTM网络模型；将待识别的辐射源IQ数据输入经训练的SEResNet-LSTM网络模型中，获得原始通信信号的调制方式类型，所述多尺度特征提取模块包括第一基础单元、第二基础单元、第三基础单元以及融合操作单元，其中，所述第一基础单元、所述第二基础单元和所述第三基础单元依次连接，分别用于获得所述辐射源IQ数据的不同尺度特征，所述第一基础单元输出的特征向量输入至所述第二基础单元，同时通过一个普通卷积层输入至所述融合操作单元；所述第二基础单元输出的特征向量输入至所述第三基础单元，同时通过一个普通卷积层输入至所述融合操作单元；所述第三基础单元输出的特征向量输入至所述融合操作单元，所述融合操作单元用于对不同尺度的特征向量进行融合操作，获得融合后的特征向量，所述第一基础单元、所述第二基础单元和所述第三基础单元的结构均相同，包括依次连接的普通卷积层、第一SE网络、第一ResNet网络、第二SE网络以及最大池化层，用于对输入的辐射源IQ数据进行特征提取，其中，所述第一SE网络和所述第二SE网络结构相同，均用于对输入的特征进行全局平均池化，将池化后的特征进行全连接，再对全连接后的特征进行激活，采用激活后的特征计算不同特征通道之间的关系，将激活后的特征按通道通过乘法加权到输入特征中并输出；所述第一ResNet网络包括三个卷积层，用于将输入的特征向量依次进行卷积、激活、卷积、激活、卷积，再将三次卷积后的特征向量与输入特征向量进行融合，最后将融合后的特征向量进行激活并输出，所述LSTM融合网络包含依次连接的第三SE网络、第二ResNet网络、LSTM网络和全连接层，其中，所述第三SE网络用于对输入的特征进行全局平均池化，将池化后的特征进行全连接，再对全连接后的特征进行激活，采用激活后的特征计算不同特征通道之间的关系，将激活后的特征按通道通过乘法加权到输入特征中并输出；所述第二ResNet网络包括三个卷积层，用于将输入的特征向量依次进行卷积、激活、卷积、激活、卷积，再将三次卷积后的特征向量与输入特征向量进行融合，最后将融合后的特征向量进行激活并输出；所述LSTM网络用于记忆输入特征向量邻近的两个时间点上数据之间的关联信息，并输出带有信号时序信息的特征向量。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种基于SEResNet-LSTM的辐射源调制方式识别方法