一种基于SVM-SRNN的调制信号识别方法

摘要

本发明公开了一种基于SVM‑SRNN的调制信号识别方法首先准备数据集，进行数据预处理，然后搭建SVM模型得到SVM分类器，将每个信号通过S2数据预处理转换后输入SVM分类器，分离13种待分类信号和噪声信号，并去除噪声信号；最后搭建切片双向循环神经网络，对SVM分类器分离噪声后的信号进行信号特征提取，再通过softmax分类器完成分类；相比于使用RNN模型进行分类，SRNN的速度显著快于标准的RNN，而且不需要改变循环单元，并且SRNN具有提取序列高级信息的能力，具有更快的计算速度。本发明通过SVM‑SRNN模型组合进行调制信号分类，比传统的分类器具有更好的分类效果。