一种可持续学习的信号调制类型识别方法与流程

技术特征：
1.一种可持续学习的信号调制类型识别方法，其特征在于，基于多分类器协同的信号调制方式对陌生信号进行判断识别，同时持续不断学习该陌生信号并训练对应调制类型分类器，扩展对陌生信号的识别能力；具体步骤如下：s1.根据已知的多种调制类型分别训练分类器，得到多个已知调制类型分类器；s2.输入采集的电磁频谱监测目标信号，若所有分类器输出结果皆为非负数，则直接输出目标信号的调制类型；若所有分类器输出结果为负数，则判定该信号为陌生新类型的信号，执行步骤s3；s3.若当前无陌生类型信号样本库，新建一个新的陌生类型信号样本库并将该信号加入，同时输出目标信号的调制类型；若当前已有陌生类型信号样本库，将该信号与已建立的陌生类型信号样本库进行相似度比对，执行步骤s4；s4.若相似度高于阈值，则将该信号放入陌生类型信号样本库，并输出对该陌生信号的分类结果；若相似度低于阈值，则再新建一个另外的陌生类型信号样本库，并把该信号放入新库中，同时输出目标信号的调制类型；s5.若陌生类型信号样本库规模大于阈值，针对该陌生类型信号样本库训练新的分类器，该类陌生信号的分类器训练完成后，该陌生类型信号的分类处理方式与已知信号类型完全相同，视为已知信号类型；否则，进入下一次目标信号的类型识别与学习。2.根据权利要求1所述的可持续学习的信号调制类型识别方法，其特征在于，所述步骤s1中，分类器采用的算法包括神经网络、支持向量机。3.根据权利要求1所述的可持续学习的信号调制类型识别方法，其特征在于，所述步骤s2中，每个分类器只用于判断输入信号属于调制类型的可能性，分类器输出结果的范围为
‑
1至1的实数。4.根据权利要求3所述的可持续学习的信号调制类型识别方法，其特征在于，当分类器输出结果为负数时，代表该信号不属于当前分类器所属的调制类型；当分类器输出结果非负时，其取值越大，代表其属于当前分类器所属调制类型的可能性越大；在工作过程中，对于输入信号，若存在多个分类器的输出结果非负，则根据输出值最大的分类器判定该信号的调制类型。

技术总结
本发明公开了一种可持续学习的信号调制类型识别方法，属于频谱监测分析领域，包括陌生信号判断方案和持续学习方案，通过将陌生信号加入陌生类型信号样本库以完成对陌生信号的识别，同时在某一陌生信号样本库超过阈值时，将该样本库训练成新的分类器，以完成不断的学习过程。本发明可以区分当前信号属于陌生类型还是已知类型，对于已知类型，可直接给出信号的调制类型分类结果，对陌生调制类型也可以给出准确的识别结果并进行扩展，解决了现有方法所面临的识别难题，而且随着使用经验的增加，能识别的调制方式类型越来越多，具有学习能力。能力。能力。


技术研发人员：刘德鹏 许建华 向长波 李晓军 台鑫 韩连龙
受保护的技术使用者：中电科思仪科技股份有限公司
技术研发日：2021.06.23
技术公布日：2021/10/23