基于多特征融合的双流调制信号分类方法及系统

1.基于多特征融合的双流调制信号分类方法，其特征在于，包括：

2.如权利要求1所述的基于多特征融合的双流调制信号分类方法，其特征在于，所述获取原始调制信号的i/q数据，包括：数据的调制方式为i/q调制，i/q向量由同相分量和正交分量两个数据向量组成，从同相分量和正交分量中提取原始时间特征，表示为：

3.如权利要求1所述的基于多特征融合的双流调制信号分类方法，其特征在于，将所述i/q数据划分为高信噪比流和低信噪比流，包括：

4.如权利要求3所述的基于多特征融合的双流调制信号分类方法，其特征在于，所述功率谱数据为调制信号在频域上的能量分布，是信号功率随频率变化的度量，获取过程为：首先获取调制信号表示，之后计算调制信号的自相关函数，然后对自相关函数进行傅里叶变换，得到信号的功率谱密度。

5.如权利要求1所述的基于多特征融合的双流调制信号分类方法，其特征在于，所述双流cabld模型包括两支cabld分类通道，每支cabld分类通道包括第一cabld模型和第二cabld模型，每个cabld模型包括cnn模块、高效通道注意力模块、两个双向cuda深度神经网络长短期记忆模块以及dnn模块，首先输入二维调制信号进入cnn模块，将二维调制信号拆分为两个一维数据，将两个一维数据分别卷积，然后将两个卷积后的数据拼接成一个二维的数据，再进行一次二维卷积，并在卷积层后添加最大池化层，并使用dropout层防止过拟合；同时将原始的二维输入的二维调制信号进行二维卷积，同样经过最大池化层和dropout层；将两个dropout层后的二维数据拼接成一个新的二维数据，再进行一层二维卷积，得到cnn模块的输出。

6.如权利要求5所述的基于多特征融合的双流调制信号分类方法，其特征在于，所述高效通道注意力模块包括全局平均池化、一维卷积层和激活函数层，将cnn模块的输出作为高效通道注意力模块的输入，全局平均池化通过平均输入特征获得每个通道的全局上下文信息，一维卷积层用于跨通道交互，激活函数用于获取通道间的关注权，最后，将注意权值应用于原始输入特征，获取通道间注意权重。

7.如权利要求1所述的基于多特征融合的双流调制信号分类方法，其特征在于，每一个cabld分类通道中第一cabld模型进行调制信号的多分类，多类型信号包括am-ssb、aw、bpsk、qpsk、8psk、16qam、64qam、cpfsk、gfsk、pam4，其中，aw为am-dsb和wbfm信号合成，第二cabld模型进行am-dsb和wbfm信号的二分类，若在第一cabld模型后分类为不是aw信号则提前停止，若第一cabld模型分类后为aw信号则进入第二cabld模型信号进行am-dsb和wbfm的二分类。

8.基于多特征融合的双流调制信号分类系统，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的基于多特征融合的双流调制信号分类方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的基于多特征融合的双流调制信号分类方法。