一种基于滑动可训练算子的信号深度学习分类方法

摘要

一种基于滑动可训练算子的信号深度学习分类方法，包括以下步骤：1)信号切片方法。使用无线电信号作为样本数据、制作切片矩阵SI；2)可训练算子方法。自定义一个可训练的算子FI，FI中元素的初始值由标准高斯分布随机设置并在深度学习框架的训练过程中通过优化算法进行更新；3)信号特征矩阵方法。通过将I、Q通道的信号转换为特征矩阵MI，将获得的两个分别对应于I通道和Q通道的特征矩阵连接起来以形成两通道图像，输入到CNN中进行训练和分类。4)训练方法。整个框架是端到端的，算子和CNN可以一起训练或交替训练。CNN的结构选用任何典型深度学习网络中的一个，本发明最终选用ResNet50进行信号分类。