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：哈尔滨工程大学

摘要：一种基于特征关联的辐射源个体信号图结构映射方法，它涉及一种辐射源个体信号图结构映射方法。本发明为了解决现有图结构映射方法在辐射源个体识别任务上效率低，性能差的问题。本发明的核心在于采用基于特征关联性的图结构映射方法构建个体信号图分类数据集，通过GNN模型实现辐射源个体识别，有效提高识别性能。本发明属于信号识别技术领域。

主权项：1.一种基于特征关联的辐射源个体信号图结构映射方法，其特征在于：所述一种基于特征关联的辐射源个体信号图结构映射方法的具体步骤如下：步骤一、对接收到的辐射源个体信号进行去噪滤波，得到干净的信号；步骤二、对得到的信号进行专家知识特征提取，得到信号的特征矩阵；对得到的信号进行专家知识特征提取包括波形包络、波形相位、圆周积分双谱、矩形积分双谱、径向积分双谱、轴向积分双谱和功率谱7种特征，此时得到每个样本点的7维特征矩阵；步骤三、利用皮尔逊相关计算样本点特征之间的相关性，通过设定的阈值判断是否存在边，构建邻接矩阵；步骤四、利用邻接矩阵和特征矩阵完成信号图结构映射，进行标签标注，构建辐射源个体信号图分类数据集；得每个信号样本的特征矩阵和邻接矩阵后，将特征矩阵作为节点属性，通过邻接矩阵得到无向图边的集合，并给每一个样本映射的图标注好标签，构建辐射源个体信号图分类数据集；将图分类数据集中的图输入到搭建好的GNN网络中，实现辐射源个体识别分类；步骤五、输入到图神经网络模型中实现辐射源个体识别分类；将每张图输入到搭建好的图卷积神经网络GCN中，GCN作为GNN中的一种，采用的卷积方式所需的计算资源低于CNN模型，并且即使很浅的网络深度也能实现对样本信息的有效提取，其中层与层之间的传播方式表示为： 其中A为邻接矩阵，I为单位矩阵，为的度矩阵，H为每一层的特征，σ为非线性激活函数；LOS信道和NLOS信道下，GCN模型对5G用户设备信号的识别分类性能与其他模型的对比，其中5G用户设备信号包含5个类别，每个类别40个样本；步骤一中对接收到的辐射源个体信号进行滤波去噪，下变频到零中频的信号表示为：y[n]＝yI[n]+j*yQ[n]n∈[0,Ns-1]1，公式1中Ns表示采样点数，yI表示同相，yQ表示正交信号，j表示虚数符号。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种基于特征关联的辐射源个体信号图结构映射方法