公开(公告)号：CN116566777B

公开(公告)日：2024-03-12

申请号：CN202310504648.1

申请日：2023-05-08

Applicant: 哈尔滨工程大学

Inventor： 马莫涵 ,  侯长波 ,  张静 ,  周志超 ,  张志鹏 ,  王刻庸

IPC: H04L27/00 ,  H04B1/713 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明提出一种基于图卷积神经网络的跳频信号调制识别方法。所述方法包括以下步骤：步骤1：提取跳频信号的节点特征；步骤2：构建邻接矩阵和边，将跳频信号转换为无向拓扑图；步骤3：根据跳频信号图域转换数据构建图卷积神经网络GCN模型；步骤4：利用训练样本集合训练GCN模型，将测试样本输入训练好的GCN模型中输出识别结果。本发明提出的信号图域转换方法在降低节点和边的数量的基础上，提取多种节点特征，减少了参数和计算量且抗噪声性能好，构建的GCN模型可以获取受信噪比影响较小的空间结构信息，在保证了识别准确率的基础上网络层数少，实时性好。

公开(公告)号：CN116566777A

公开(公告)日：2023-08-08

申请号：CN202310504648.1

申请日：2023-05-08

Applicant: 哈尔滨工程大学

Inventor： 马莫涵 ,  侯长波 ,  张静 ,  周志超 ,  张志鹏 ,  王刻庸

IPC: H04L27/00 ,  H04B1/713 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明提出一种基于图卷积神经网络的跳频信号调制识别方法。所述方法包括以下步骤：步骤1：提取跳频信号的节点特征；步骤2：构建邻接矩阵和边，将跳频信号转换为无向拓扑图；步骤3：根据跳频信号图域转换数据构建图卷积神经网络GCN模型；步骤4：利用训练样本集合训练GCN模型，将测试样本输入训练好的GCN模型中输出识别结果。本发明提出的信号图域转换方法在降低节点和边的数量的基础上，提取多种节点特征，减少了参数和计算量且抗噪声性能好，构建的GCN模型可以获取受信噪比影响较小的空间结构信息，在保证了识别准确率的基础上网络层数少，实时性好。