電子通信信號(hào)循環(huán)頻率特征自提取技術(shù)研究

吳海燕

（鄭州西亞斯學(xué)院 電子信息工程學(xué)院，河南 新鄭 451100）

0 引 言

采用超寬帶通信時(shí)需要對(duì)信號(hào)進(jìn)行檢測(cè)和提取，接收方不僅要通過(guò)檢測(cè)、分析及評(píng)估參數(shù)獲取超寬頻通信信號(hào)，還要對(duì)電子通信信號(hào)的調(diào)制方式作出相應(yīng)的判斷，調(diào)制完成后才能提取傳輸信息[1,2]。由此可見(jiàn)，調(diào)制和提取電子通信信號(hào)是應(yīng)用該技術(shù)的關(guān)鍵環(huán)節(jié)。在已有的研究中，電子通信信號(hào)提取的方法主要包括基于似然函數(shù)的決策理論方法、基于統(tǒng)計(jì)特征的模式提取方法以及基于DSP的模式提取方法[3]。這3種方法各有優(yōu)點(diǎn)，但均存在較大的頻偏和定時(shí)誤差，無(wú)法滿足電子通信信號(hào)提取的要求。因此，本文提出了一種基于周期頻率特性的電子通信信號(hào)提取方法。一般電子通信信號(hào)的統(tǒng)計(jì)特性參數(shù)有一定的周期變化，稱為周期頻率特性。將該周期性特征用于電子通信信號(hào)的提取，可大大提升提取性能。

1 電子通信信號(hào)循環(huán)頻率特征自動(dòng)調(diào)制識(shí)別

利用深度學(xué)習(xí)算法實(shí)現(xiàn)電子通信信號(hào)循環(huán)頻率特征自動(dòng)調(diào)制識(shí)別，通過(guò)神經(jīng)網(wǎng)絡(luò)逐層訓(xùn)練無(wú)監(jiān)督學(xué)習(xí)算法，采用分類器對(duì)信號(hào)進(jìn)行測(cè)試，分別計(jì)算識(shí)別結(jié)果，同時(shí)使用特征提取系統(tǒng)和分類器實(shí)現(xiàn)自動(dòng)識(shí)別[4]。

利用無(wú)監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)將無(wú)分類標(biāo)記的訓(xùn)練樣本輸入自動(dòng)編碼器，在建模能力和稀疏性約束的基礎(chǔ)上，自動(dòng)編碼器能夠自動(dòng)獲取數(shù)據(jù)結(jié)構(gòu)[5]。自動(dòng)編碼機(jī)的基本單元如圖1所示。

圖1 自動(dòng)編碼機(jī)基本單元

本文設(shè)計(jì)的自動(dòng)調(diào)制識(shí)別方法采用雙層自動(dòng)編碼技術(shù)，當(dāng)無(wú)分類標(biāo)簽時(shí)，設(shè)計(jì)編碼器利用稀疏自編碼器算法對(duì)自編碼器進(jìn)行訓(xùn)練，確定編碼參數(shù)，從而得到編碼參數(shù)和不同節(jié)點(diǎn)的激活值。利用兩層堆疊數(shù)據(jù)實(shí)現(xiàn)自動(dòng)編碼，1層實(shí)現(xiàn)自編碼器的輸出，將數(shù)據(jù)輸入2層自編碼器，最終得到新特征下的特征值。當(dāng)信號(hào)向前時(shí)，訓(xùn)練樣本的數(shù)據(jù)會(huì)從輸入層轉(zhuǎn)到輸出層，經(jīng)過(guò)隱層處理后數(shù)據(jù)再傳入到輸出層。如果輸出層輸出的實(shí)際數(shù)據(jù)與樣本數(shù)據(jù)不同，則證明存在誤差。在這種情況下，誤差往回傳播，根據(jù)誤差修正每個(gè)單元的權(quán)重，用迭代的方法訓(xùn)練各層參數(shù)和權(quán)值，直至誤差符合要求[6]。

2 電子通信信號(hào)循環(huán)頻率特征自提取

全連接神經(jīng)網(wǎng)絡(luò)的輸入與輸出各節(jié)點(diǎn)之間具有訓(xùn)練權(quán)值，假定輸入節(jié)點(diǎn)m和輸出節(jié)點(diǎn)n是完全連接的網(wǎng)絡(luò)，m和n的值通常很大，這會(huì)導(dǎo)致存儲(chǔ)資源浪費(fèi)。因此本文采用核卷積形式的神經(jīng)網(wǎng)絡(luò)，卷積操作中參數(shù)共享使得輸入層與輸出層共享訓(xùn)練權(quán)值。每一輸入層的節(jié)點(diǎn)使用相同的卷積核執(zhí)行卷積操作，一般卷積層的大小是2×2或3×3，遠(yuǎn)小于m和n，這樣可以有效減少資源浪費(fèi)。相較于全連接網(wǎng)絡(luò)，核卷積網(wǎng)絡(luò)占用的存儲(chǔ)空間較少，實(shí)現(xiàn)的訓(xùn)練操作也較少[7,8]。

池化處理就是使用某一位置相鄰輸出的總體統(tǒng)計(jì)特征代替網(wǎng)絡(luò)在該位置的輸出。最高池和均值池是常用的池化處理方法。例如，一個(gè)2×2池域，步進(jìn)兩元素，最大池位為4個(gè)節(jié)點(diǎn)的輸出池位，遍歷所有矩陣后輸出組合成一個(gè)新的矩陣，根據(jù)相對(duì)位置，將輸出矩陣變?yōu)樵仃嚨囊话搿＞唧w如圖2所示。

圖2 池化過(guò)程

在輸入數(shù)據(jù)存在翻譯現(xiàn)象時(shí)，將翻譯過(guò)程匯集起來(lái)可以減少其對(duì)網(wǎng)絡(luò)運(yùn)行的影響，使網(wǎng)絡(luò)輸出結(jié)果與原數(shù)據(jù)相似。翻譯現(xiàn)象在圖像中很常見(jiàn)，只有減小移動(dòng)對(duì)操作的影響才能使網(wǎng)絡(luò)更關(guān)注圖像的基本特性，不會(huì)因位置的改變而改變操作結(jié)果。利用翻譯方法可以更好地了解通信信號(hào)的自提取特點(diǎn)，從而完成頻率特征自動(dòng)提取[9]。

3 電子通信信號(hào)循環(huán)頻率特征識(shí)別

為適應(yīng)日益復(fù)雜的電磁環(huán)境，信號(hào)處理領(lǐng)域相關(guān)人員對(duì)信號(hào)調(diào)制識(shí)別方法進(jìn)行了深入研究，研究者們?cè)噲D對(duì)復(fù)雜通信環(huán)境下各種通信信號(hào)的調(diào)制方式進(jìn)行分類識(shí)別。針對(duì)本課題研究中考慮信號(hào)特征間關(guān)系較少的問(wèn)題，建立卷積神經(jīng)網(wǎng)絡(luò)提取信號(hào)的顏色時(shí)頻圖特征，并在此基礎(chǔ)上采用時(shí)頻變換分析法將維數(shù)信號(hào)處理為彩色時(shí)頻圖像，利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)提取圖像特征。為提高低信噪比下的分類識(shí)別精度，提取時(shí)頻圖像中的紋理特征，并與卷積神經(jīng)網(wǎng)絡(luò)中提取的紋理特征進(jìn)行特征融合。由于GA-KELM分類器具有更好的分類效果，因此在后續(xù)的算法構(gòu)建中選擇GA-KELM分類器[10]。二進(jìn)制移頻鍵控信號(hào)具有兩條高能譜線，與其他信號(hào)的時(shí)頻圖也不相同，很難進(jìn)行直觀觀察，主要原因在于人的眼睛在觀察圖像時(shí)往往更多地注意到圖像之間的形狀和結(jié)構(gòu)差異，而忽視了內(nèi)部的差異。基于該方法提取信號(hào)時(shí)頻圖像的LBP紋理特征，并與CNN圖像特征進(jìn)行融合。采用PCA方法對(duì)構(gòu)造的連接特征進(jìn)行降維處理，降維處理后在GA-KELM分類器中對(duì)信號(hào)進(jìn)行分類識(shí)別。

在信號(hào)調(diào)制方法中必須保證所提取的特征與其對(duì)應(yīng)，特征提取的次數(shù)不能過(guò)多也不能過(guò)少，且為了確保信號(hào)識(shí)別的效率，需要提取合適的地形區(qū)特征。從周期譜中提取一組特征，去除空像，保留相應(yīng)的周期頻率，從而更好地實(shí)現(xiàn)信號(hào)訓(xùn)練。

信號(hào)識(shí)別需要從鄰接矩陣的主對(duì)角線中提取非零元素，存儲(chǔ)非零元素，生成非零行索引序列，根據(jù)索引算法規(guī)則在信號(hào)映射域提取非零元素。在此基礎(chǔ)上，通過(guò)設(shè)置非零元素序列集的最大長(zhǎng)度，減小噪聲對(duì)相鄰矩陣元素的影響，得到序列集的行索引。此外，對(duì)訓(xùn)練信號(hào)進(jìn)行圖象域特征提取，得到標(biāo)準(zhǔn)調(diào)制信號(hào)的圖象域特征庫(kù)，將標(biāo)準(zhǔn)調(diào)制信號(hào)的圖象域特征存儲(chǔ)在存儲(chǔ)器中，作為圖象域特征提取結(jié)果。

對(duì)實(shí)際信號(hào)進(jìn)行歸一化處理，將信號(hào)統(tǒng)一為中頻信號(hào)，同時(shí)考慮信號(hào)的頻率參數(shù)范圍，保證測(cè)量結(jié)果的通用性。由于實(shí)際接收的信號(hào)可能具有較寬的頻帶，且總頻帶內(nèi)會(huì)有多個(gè)信號(hào)受到高斯白噪聲的影響，因此要對(duì)信號(hào)進(jìn)行濾波。通過(guò)調(diào)制方式的碼元率和帶寬計(jì)算帶通濾波器的下頻和上頻，利用MATLAB中的FIR函數(shù)可以方便地完成濾波運(yùn)算。

為確保模擬的數(shù)據(jù)完全覆蓋實(shí)際情況，用MATLAB軟件制作了20 000個(gè)樣本，每個(gè)樣本的長(zhǎng)度為50 000，在設(shè)定的范圍內(nèi)隨機(jī)產(chǎn)生每個(gè)樣本的碼元率、信噪比及頻偏。最后的總樣例大小為280 000，并以intl6類型的二進(jìn)制格式保存，更好地實(shí)現(xiàn)了循環(huán)頻率特征識(shí)別。

4 結(jié) 論

本文提出的電子通信信號(hào)循環(huán)頻率特征自提取技術(shù)有效減小了電子通信信號(hào)的頻率偏移量和時(shí)差，使電子通信的應(yīng)用更為方便，應(yīng)用范圍也更廣。但仿真過(guò)程中由于缺乏真實(shí)環(huán)境的干擾因素，導(dǎo)致仿真結(jié)果存在一定偏差，因此仍需對(duì)此方法進(jìn)行進(jìn)一步的研究和探索。