一种全频段短波信号检测识别方法及应用与流程

本发明涉及无线通信信号识别检测，尤其涉及到一种基于人工智能的全频段短波信号检测识别方法及应用。

背景技术：

1、随着无线通信技术的不断发展，信号识别在通信频谱管理、干扰检测和安全领域中至关重要。传统的信号识别模型通常依赖于相关检测、基于概率及特征工程的识别方法用于短波复信号的检测识别，其中相关检测、特征构造需要专业领域知识的支持，传统信号识别模型通常仅支持特定的传输波形，且存在识别率低的缺陷。

2、随着深度学习技术的发展，特别是卷积神经网络(cnn)和transformer架构的兴起，信号处理领域也迎来了新的机遇。这些深度学习技术具有出色的特征学习和模式识别能力，可以自动化地从数据中提取特征并进行分类。在自然语言处理和计算机视觉领域，transformer架构已经取得了巨大的成功，但传统基于实数运算的transformer结构难以刻画复数信号的内在联系，因此在信号处理中的应用性能还相对有限。

3、因此，提出一种能够解决传统的信号识别相关检测、特征构造模型识别率低及目前深度学习方案难以刻画复信号中的依赖关系和上下文方面存在局限性问题的短波信号检测识别方法是当前亟待解决的问题。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种全频段短波信号检测识别方法及应用，其可以解决传统的信号识别相关检测、特征构造模型识别率低及目前深度学习方案难以刻画复信号中的依赖关系和上下文方面存在局限性的问题。

2、一方面，本发明实施例提供了一种全频段短波信号检测识别方法，其包括：根据配置参数采集指定频段宽带复数信号；对所述复数信号进行分帧，对各帧信号进行短时傅里叶变换形成宽带时频图像，对所述宽带时频图像进行归一化处理得到能量图像，基于所述能量图像按频率进行重叠切分；将重叠切分后的所述能量图像输入短波信号检测模型进行信号检测，标记短波信号出现时段、频率及带宽范围；根据所述短波信号出现时段、频率及带宽范围对原始采集数据利用信号抽取方法抽取出单个短波窄带复数信号；将抽取后的所述短波窄带复数信号输入基于transformer的复数短波信号识别模型进行短波信号识别，得到信号调制类型与协议类型。

3、在本发明的一个实施例中，所述将重叠切分后的所述能量图像输入短波信号检测模型进行信号检测，标记短波信号出现时段、频率及带宽范围，包括：假设第k幅切分图像pk检测到短波信号，由基于时频图像的短波信号检测模型输出检测框坐标由左上坐标(xs,ys)与右下坐标(xe,ye)表示，则信号起始点数由xsnft计算，信号终止点数由xenft计算，其信号中心频率由计算，信号带宽由计算。

4、在本发明的一个实施例中，所述基于所述能量图像按频率进行重叠切分之后，还包括：对相邻任意时频能量图像pk,pk+1检测信号进行去重，包括：记pk图像中心频率落入下半区域的信号集合为{xd}，记pk+1图像中心频率落入上半区域)的信号集合为{xu}；对于任意信号s1∈{xd}与s2∈{xu}，计算其信号起始时间像素之差绝对值和信号终止时间像素之差绝对值并将其之和与设置容忍误差阈值tc>0进行比较，若值小于阈值tc，则将信号对(s1,s2)加入集合c进一步判断；对(s1,s2)∈c计算s1,s2检测框的公共区域面积其中s1检测框为s2检测框为|a|是计算检测框a的面积函数；分别计算公共区域与两检测信号检测框面积之比取其最大值与设定重叠阈值ta进行比较，若s1，s2视为相同信号，对其进行合并，合并信号记为sc；计算合并信号sc的信号起始点数、信号终止点数、信号中心频率、信号带宽，其中信号sc的信号检测框由其左上坐标与右下坐标表示，其中

5、在本发明的一个实施例中，所述根据所述短波信号出现时段、频率及带宽范围对原始采集数据利用信号抽取方法抽取出单个短波窄带复数信号，包括：原始宽带短波信号s[n]经过多相滤波器得到各子窄带数字下采样信号对任意s∈h找到信号所在窄带，提取相应窄带数字下采样信号，不失一般性记为对进行下变频、滤波、二级抽取得到窄带复数检测信号snb[n]，二级抽取滤波器采用cic滤波器。

6、在本发明的一个实施例中，所述将抽取后的各短波窄带复数信号输入基于transformer的复数短波信号识别模型进行短波信号识别，得到信号调制类型与协议类型，包括：输入窄带复数信号为snb，信号长度为l，将输入窄带复数信号snb按固定长度d进行划分(信号末尾不足部分用0填充)为(p1,…,pn)，其中n为信号划分后子段个数每段信号称为一个patch；对每个patch信号进行傅里叶变换得(f1,…,fn)，将其与各段原始划分信号进行拼接形成(pf1,…,pfn)，其中pfk＝[pk；fk],k＝1,…,n，[pk；fk]表示信号pk与fk的拼接，形成长度为2d的信号特征；分别对拼接后分段信号进行线性映射得到(t1,…,tn)，即tk＝w·pfk,k＝1,…,n，其中为可训练线性变换矩阵；在头部插入调制分类tokenmcls及协议分类token pcls，得(mcls,pcls,t1,…,tn)，其中mcls、pcls由长度为2d的可训练参数构成；将(mcls,pcls,t1,…,tn)中每个分段信号与特征长度为2d的位置嵌入向量pk相加，得到(mcls+p1,pcls+p2,t1+p3,…,tn+pn+2)，其中位置嵌入向量表示为pk,k＝1,…,nt，nt为模型最大允许输入token数；将(mcls+p1,pcls+p2,t1+p3,…,tn+pn+2)输入基于transformer的复数短波信号识别模型进行识别。

7、另一方面，本发明实施例提出一种全频段短波信号检测识别装置，其包括：宽带复数信号采集模块，用于根据配置参数采集指定频段宽带复数信号；时频图像重叠切分模块，用于对所述复数信号进行分帧，对各帧信号进行短时傅里叶变换形成宽带时频图像，对所述宽带时频图像进行归一化处理得到能量图像，基于所述能量图像按频率进行重叠切分；信号检测模块，用于将重叠切分后的所述能量图像输入短波信号检测模型进行信号检测，标记短波信号出现时段、频率及带宽范围；窄带复数信号抽取模块，用于根据所述短波信号出现时段、频率及带宽范围对原始采集数据利用信号抽取方法抽取出单个短波窄带复数信号；数据识别模块，用于将抽取后的所述短波窄带复数信号输入基于transformer的复数短波信号识别模型进行短波信号识别，得到信号调制类型与协议类型。

8、在本发明的一个实施例中，所述信号检测模块具体用于：假设第k幅切分图像pk检测到短波信号，由基于时频图像的短波信号检测模型输出检测框坐标由左上坐标(xs,ys)与右下坐标(xe,ye)表示，则信号起始点数由xsnft计算，信号终止点数由xenft计算，其信号中心频率由计算，信号带宽由计算。

9、在本发明的一个实施例中，所述全频段短波信号检测识别装置还包括：信号去重模块，用于对相邻任意时频能量图像pk,pk+1检测信号进行去重，包括：记pk图像中心频率落入下半区域的信号集合为{xd}，记pk+1图像中心频率落入上半区域)的信号集合为{xu}；对于任意信号s1∈{xd}与s2∈{xu}，计算其信号起始时间像素之差绝对值和信号终止时间像素之差绝对值并将其之和与设置容忍误差阈值tc>0进行比较，若值小于阈值tc，则将信号对(s1,s2)加入集合c进一步判断；对(s1,s2)∈c计算s1,s2检测框的公共区域面积其中s1检测框为s2检测框为|a|是计算检测框a的面积函数；分别计算公共区域与两检测信号检测框面积之比取其最大值与设定重叠阈值ta进行比较，若s1，s2视为相同信号，对其进行合并，合并信号记为sc；计算合并信号sc的信号起始点数、信号终止点数、信号中心频率、信号带宽，其中信号sc的信号检测框由其左上坐标与右下坐标表示，其中

10、再一方面，本发明实施例提出一种全频段短波信号检测识别系统，包括：存储器和连接所述存储器的一个或多个处理器，存储器存储有计算机程序，处理器用于执行所述计算机程序以实现如上述中任意一个实施例所述的全频段短波信号检测识别方法。

11、又一方面，本发明实施例提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如上述中任意一个实施例所述的全频段短波信号检测识别方法。

12、由上可知，通过本发明所构思的上述方案与现有技术相比，可以具有如下一个或多个有益效果：

13、本技术实施例提供的全频段短波信号检测识别方法通过获取时频图像的短波信号检测模型检测全频段短波信号的出现时间、频率、带宽等相关参数，并利用信号抽取方法抽取出单个短波窄带信号，并送入transformer复短波信号识别模型进行短波信号类别识别，transformer复短波信号识别模型通过将复杂原始信号与其傅里叶变换结合，具有检测时域和频域信息的能力，能够识别信号模式中的微小变化，提高识别准确性；

14、同时通过引入针对信号识别模型训练的增强技术，如随机时间平移、随机频率平移和随机相位平移，模拟了信号可能遇到的真实世界变化，从而提高了模型识别多样信号模式的能力，进一步提高了检测识别模型的稳健性和泛化能力。

15、通过以下参考附图的详细说明，本发明的其他方面的特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。