[发明专利]基于深度学习模型的无线电信号识别方法及其实现系统

摘要

本发明涉及无线电信号侦察领域，公开了一种基于深度学习模型的无线电信号识别方法及其实现系统。该无线电信号识别方法是通过机器学习的方式来实现对信号特征的提取和实时检测，即是利用深度学习模型来对经STFT转换得到的信号时频图进行训练和分类识别，可以最大可能地利用更多的信号特征，实现短突发及弱信号的探测。同时由于是将信号检测问题转换为图像分类识别问题，并利用深度学习方法来信号的分类检测，因此不需要针对特定信号进行专用设计，具备通用性，便于实际推广和应用。

主权项

一种基于深度学习模型的无线电信号识别方法，其特征在于，包括如下步骤：S101.通过STFT变换将目标无线电信号的时域样本数据转换为时频样本数据，并根据时频样本数据生成二维时频样本图；S102.将二维时频样本图作为输入元素，导入深度学习模型进行训练，得到训练完毕的深度学习模型；S103.获取空口无线电信号的宽带时域数据；S104.通过STFT变换将所述宽带时域数据转换为宽带时频数据，并根据所述宽带时频数据生成二维宽带时频图，然后对所述二维宽带时频图进行频域和时域切分，得到若干个在频域或时域有交叠的子带时频图；S105.将各个子带时频图作为输入元素，导入训练完毕的深度学习模型进行分类识别，并将激活有效输出分类的子带时频图作为包含目标无线电信号的目标子带时频图；S106.根据所述目标子带时频图反向计算出目标无线电信号出现的时间点和频率点，完成在宽带的空口无线电信号中对目标无线电信号的探测。