基于人工智能的無線電信號識別方法＊

重慶電子信息中小企業公共服務有限公司 劉向超

隨著人工智能時代的到來，在現代化的發展過程中，各個領域都開始融入人工智能的技術手段，給行業的發展帶來了新的生機。人工智能網絡中的無線電信識別是有一定的學習能力，可以自動化的從原始數據中獲取更加深層的數據信息，因此在探究深度的人工智能無線電信識別方法是更需要嚴謹的探索。與此同時，基于人工智能的發展無線電信號識別方法的研究會越來越深入，成為目前我國無線電信監督檢測領域中主要研究發展方向之一。無線電信號的識別是整個監測過程中最為重要的一部分，同時所面臨的困難也比較多，隨著現代化無線電通訊技術與人工智能的發展與應用，無線電信號的特種會隨著周圍環境的變化更加復雜。因此，無線電信號更容易受到外界的信號干擾，檢測人員對于無線電信號的信息接收更加困難，無法確定無線電信號的正常運作，然而這種情況更需要盡快做出解決對策。基于此，本文將會以人工智能的發展與應用作為前提條件，對無線電信號的識別方法進行研究與探索，提出提高無線電信號識別能力的有效措施，為我國在無線電信領域方面提供更有價值的參考意見。

自20 世紀以來，隨著無限電信技術的不斷發展，各種無線電通信技術和設備逐漸成為通信領域中不可或缺的重要組成部分。現代化的當今時代，電子信息技術更是以飛速發展的情況，使得信號種類和數量不斷增加，信息系統變得更加復雜繁瑣。人工智能的加入式的傳統信號處理與分析方法，難以滿足新時代對于通信方面多樣化、自動化、智能化的要求，在未來無線電信號分析與識別能力需要不斷提升，才能夠更好的為人們的生活與生產提供更優質的服務。通信信號的識別，是整個通信在運作過程中的一項重要組成部分，整個通信系統的構成主要是以信號源和信號調制兩大基礎構建的，信號識別可以廣泛的應用于各種通信應用領域中，無線信號識別的本質就是一個在不斷磨礪和識別的過程，其中最關鍵的問題就在于如何獲取更精準的信號，確保整個通信工程能夠從輸入的信號序列中找到與之匹配的原始數據，進一步降低數據的誤差，提高整個識別工作的水平，避免今后的通訊工作出現信號判斷錯誤的情況。

目前，無線電信號常用的識別方法是傳統的人工識別，通過單一的信號類型作為識別對象，以專業的背景知識和識別技巧處理上傳的所有數據，使得整個通信工程能夠在人工的幫助下盡快做好識別工作。隨著現代通信環境日益復雜，各種通信方法層出不窮，因此，無線電信號容易出現大量且復雜的信號干擾，要想再通過人工的形式去辨別傳統的無線電信號是非常困難的，再加上這樣的工作量會隨著環境的變化不斷增加，使得出錯率越來越高。而人工智能的加入，可以極大的減少這類問題的發生，以更加智能化的形式去解決存在的問題和局限，保證在原來的識別方法上進一步提高無線電信號的識別水平，進一步實現我國未來無線電信號智能化的識別方式。

1 人工智能概念

人工智能是研究、開發用于模擬、延伸、擴展人的智能的理論、方法、技術以及應用系統的一門新的技術學科。也可以理解為是對人的意識思想的信息過程的模擬，雖然不能達到像人那般思考，但也可以做到接近人的思維，甚至在未來會超過人的智能。計算機學科其中的一個分支就是人工智能的研究，它將是一種新型的人類智能方式，對于不同領域都有極大的幫助作用，主要包括機器人、識別、性能語言處理等方式。人工智能的研究領域比較廣，能夠應用的領域也比較大，與計算機和互聯網相關的行業對于人工智能的應用更加快速。

2 基于人工智能網絡的無線電信號識別流程

在人工智能網絡的幫助下，無線電信號識別流程主要分信號的預處理、信號特征提取、信號分類以及信號的分類識別四個部分。其中如何提取合適的信號特征來區分不同的人工智能模式，對于無線電信號的識別效果具有重要的影響。一般的提取方式主要有，基于人工智能技術的幫助將無線電信號換成高階累積量，該方法主要是由構建人工智能網絡體系，或者是多層的感知系統來實現自動化的無線電信號識別。利用人工智能網絡作為分類器，完成多種模擬無線電信號的識別工作，確保整個識別框架在信號的接收過程時，同樣也能夠考慮排除干擾信號。傳統的識別系統最多能夠考慮到接收信號，無法保證信號在不同模式下對于信號接收的能力，也很大程度上影響關鍵信號特征的順序。

基于人工智能的設計，無線電信號的自動識別系統，將會進一步進行更加精準的分類整理，確保網絡系統的分類器能夠高效運作，將整個無線信號的識別率提高至0.70 ～0.99 之間。但是仍然會出現對部分信號接收不及時的情況，這就需要進一步提升人工智能的精準度，特別是在信號較為嘈雜的情況下，很容易使得無線電信號出現頻率下降的情況。可以在未來設計一種分層次的人工智能網絡系統，對整個分類器再進行精準化，采用動量梯度算法分類器，將無線電信號的識別率提高98%以上，除此之外，基于人工智能網絡對某一無線電信號的波段還要有更強的檢測控制能力。這樣的發展方向無疑是將人工智能在無線電信號自動識別系統方面發揮到極致，但是這樣的設計是屬于更深層次的網絡智能網絡分類識別范疇，需要設計者花更多的心思放在對信號接收和提取的工作上。

3 無線電信號識別研究現狀

目前無線電信號在識別方法上的研究，主要還是基于傳統的無線通信框架，最早的識別分類器也主要是傳統的人工對于接收的信號進行預處理，然后再將生成的信號通過網絡傳輸到控制中心，完成整個對無線電信號的接收和傳輸工作。集中利用無線信號的循環作用進行識別是最早提出的識別方法，但是由于每個信號的循環頻率都不一樣，所以要想根據信號的頻率做出排列組合，還是有一定困難的，再加上因為有的信號之間頻率連接過快，很容易發生沖突，即使在干擾較少的情況下，依然能夠檢測出不同之間信號的沖突。與此同時，因為無線信號對于噪聲的抑制能力較弱，因此對于無線信號進行預處理是較為困難的，需要更強大的技術來完成，對整個識別能力提高，對原始信號進行分類整理，確保提取出有效的信號數據。

區別于之前對無線電信號識別方法，現代化的當今人工智能的加入，將會為無線電信號的接收與識別提出了更深入的研究內容，比如說調制識別分類器的模型，就是能夠連接整個輸出層和輸入層得到的數據信息更加精準。在后續的研究過程中，調制識別分類器的模型所含有的各個連接點，既能夠提高對信號數據的精準捕捉，又能夠保留信號動態化的特征，因此在目前的形式下人工智能的加入，無疑是為無線電信號自動化識別方法提供了相應的技術保障。綜合各種文獻可以得知，人工智能下的無線電信號自動化識別方法將會隨著技術的不斷提升，使信號干擾有所降低，一般控制在 10dB 以下，對于信號的識別率高達98%，因此，對于這類研究不斷加深，才能夠更好的為我國未來無線電信領域提供更高效的識別方法。

4 基于人工智能網絡的無線電信號特征提取方法

對于人工智能網絡的無線電信號特征提取方面的研究仍然處于初級發展階段，但是隨著對人工智能的不斷應用與發展，在這項研究方向上會越來越成熟。為了進一步擴展無線信號識別的應用空間，盡快解決無線電信號識別中的聯合問題，將會建立更加詳細的數據庫，確保無線電信號作為輸入端，再通過人工智能網絡進行分類識別，克服傳統的方法，對于人工選擇上出現的差錯，需要對無線信號進行一系列的選擇和提取，才能夠保證所選擇的無線電信號、信息、數據更加真實有效。針對這種信號的本質特征，設計了以人工智能為基礎的編碼調制聯合識別方法，以金字塔結構將模型更好的應用于無線信號調制與編碼過程中，使得網絡的特征為無線信號特征提取提供核心能力。基于對人工智能網絡的應用，再加上與金字塔結構網絡模型可以更加深入的提取信號調制與編碼，使得無線電信號特征提取更加精準。

4.1 編碼調制聯合數據庫的構造

信號在傳輸的過程中經過調制，可以將無線信號以排除傳輸的方式減少其他信號的干擾，增強傳輸效果，達到編碼調制聯合的效果。在無線電信號識別過程中，面對多樣化的調制和編碼方式，首先最重要的就是將無線電信號的編碼調制進行判斷，然后再進行下一步的分析。為了深入探究無線電信號特征提取方式，就需要制定更加科學嚴謹的編碼調制聯合數據庫，通過這樣的結構來打造更加完整的數據庫，確保再進行無線電信號自動識別過程中，能夠保證以編碼和調制作為參數，確定無線電信號的參數更加合理。

4.2 金字塔層級結構

盡管金字塔結構最擅長的就是將空間信息進一步擴大，但對于編碼和調制這樣的聯合分類工作還是很難做好的，要想更高效精準的提取無線信號的特征，人工智能的加入是能夠幫助金字塔層級結構做好這一項任務。人工智能網絡是通過層次化的結構體系來進一步研究數據的發展，在圖像處理領域中通過網絡層可以保證金字塔模型能夠提取更高的無線電信號特征。充分的考慮到無線電信號目前存在的問題與不足，以及網絡的寬度和深度，需要再確定金字塔結構的情況下，還要兼顧多種數據來學習到更具體的無線電信號特征。在金字塔層級結構上，每層的信息數據不斷增加，就會讓整個金字塔的層級結構更加復雜。聲音不對，通過金字塔層級結構，可以為整個網絡和模型提供更強大的信息數據支持，確保在互聯網的時代下，依舊能夠對無線電信號的自動識別系統進行管理和控制。

5 人工智能在無線電信號自動識別下的網絡

5.1 信號編碼網絡

信號編碼網絡是由雙向門控制單元網絡和雙向網絡，而這兩種網絡能夠將原始的無線電信號進行管理和控制與傳統的有線網絡相比，該結構可能降低信號的噪音，從而在人工智能網絡上最大程度的獲取無線電信號的數據資源。除此之外，可以在無線信號的特征保留更大范圍的信息。經過人工智能網絡的初步處理，可以得到更加精準的信號時間模型進一步表明雙向網絡能夠更好的實現對信號的編碼工作，通過某一位置相鄰的信號來代替網絡，在該位置上的輸出。與傳統的集成方式不同，根據信號編碼的局部空間來進一步提升網絡的工具效率，提供了一種更富表現力的方式來考慮信號編碼網絡與人工智能之間的相互作用。信號編碼網絡器主要是將第一次信號特征輸入到輸入層中，這樣一來輸入到每個解碼器網絡的信息，就能夠保證信號能夠被網絡所控制。

5.2 信號解碼網絡

信號解碼網絡主要是由網絡進行連接組成的，實現了對編碼向量的解碼和最終特征提取，以及各種信號分類的工作。解碼網絡的第一層主要是以較低的概率，將輸入信號輸入到人工智能網絡中，達到解碼的效果，從而減少模型出現錯誤的概率。通過大量處理不同維度之間的信號來源，可以通過時間的順序做好輸出向量的時序分布層。

6 結語

隨著現代化的發展越來越快速，高質量的生活同樣也需要先進的技術支持，那么無線電信號的發展就將目光放在了人工智能的技術手段上，這樣一來我國的無線電信行業發展將會更加先進高效。無線電信號特征提取是信號工作過程中最重要的一項內容，它能夠精準的對信號進行預測和判斷，本文將會以無線電信號的識別以及編碼作出詳細分析，深度結合人工智能技術進行研究，目的就是為了能夠保證我國未來在無線電信號上有更高層次水平。針對不同的情況，對于人工智能網絡進行無線電信號的調制和識別是非常重要的，信號編碼網絡以及信號解碼網絡，都是能夠對信號識別方法具有較高的能力同時也會進一步降低傳統調制識別的方法，從而使得無線電信號調制識別更加靈活高效。總而言之，為了盡快提高無線電信號識別方法，以及促進全人類高質量發展，那么就需要對人工智能網絡的應用更加廣泛完成，對無線信號的特征進行統一起來。解決通信中混合模式的識別問題，就需要重視對編碼和調制的聯合作用，可以最大可能的保存信號原始信息，將網絡直接作為網絡的輸入。因此，未來對于無線電信號的自動化識別更需要引入人工智能的發展，確保在高質量的技術支持下，為我國的無線電信號發展提供更強大的技術保障。

引用

[1] 陳楠.非正常無線電信號的自動識別系統開發研究[J].現代工業經濟和信息化,2016,6(23):111-112.

[2] 楊淑媛,焦李成,黃震宇,等.基于多尺度卷積神經網絡的無線電信號調制識別方法:中國,CN201711144077.6[P].2018-05-01.

[3] 黃震宇.基于深度學習的無線電信號識別方法研究[D].西安:西安電子科技大學,2018.

[4] 林媛.認知無線電信號的數字調制識別技術研究[D].無錫:江南大學,2021.

[5] 袁冰清,王巖松,鄭柳剛.深度學習在無線電信號調制識別中的應用綜述[J].電子技術應用,2019,45(5):1-4.

[6] 高軼,陳通.一種基于決策樹的認知無線電信號調制識別方法[J].通信技術,2019,52(7):1563-1568.

[7] 冀寶安.基于機器學習的無線電信號調制樣式識別技術研究[D].石家莊:河北科技大學,2019.

[8] 孫野.無線電信號的調制識別研究[J].無線互聯科技,2020,17 (20):9-10.

[9] 姜欣睿.復雜電磁環境下的無線電信號識別[D].成都:電子科技大學,2021.

[10] 劉金霞.無線電信號自動采集和調制方式識別方法[J].中國無線電,2021(7):90-92.