一种采用预分类式神经网络的混叠信号识别方法

在非合作通信系统中,对未知信号调制方式的识别是对此信号进行准确处理的前提。随着通信环境的日益复杂,会不可避免地接收到时频混叠信号。针对混叠信号的信号分量{2FSK, BPSK, QPSK, 8PSK, 16QAM, 64QAM}的时频、高阶特征,提出了一种预分类式分类网络,实现了对分量信号两两混合的21种混叠信号调制方式的识别。改进了传统的稠密连接网络(DenseNet),简化其结构,引入自编码(Auto-encoder)和注意力机制(Attention),提出了AttEn-DenseNet。结合双向长短时记忆网络(Bi-LSTM),组成预分类式神经网络。先对混叠信号进行预分类,而后再循环式筛选网络极易混淆的高阶调制信号。在此方法中,预分类结构和注意力/自编码机制,能够帮助网络有效提取特征。通过实验对比,验证了预分类结构对识别信号的促进作用和AttEn-DenseNet对特征的高敏性。