基于人工智能的无线电信号识别方法＊

重庆电子信息中小企业公共服务有限公司 刘向超

随着人工智能时代的到来，在现代化的发展过程中，各个领域都开始融入人工智能的技术手段，给行业的发展带来了新的生机。人工智能网络中的无线电信识别是有一定的学习能力，可以自动化的从原始数据中获取更加深层的数据信息，因此在探究深度的人工智能无线电信识别方法是更需要严谨的探索。与此同时，基于人工智能的发展无线电信号识别方法的研究会越来越深入，成为目前我国无线电信监督检测领域中主要研究发展方向之一。无线电信号的识别是整个监测过程中最为重要的一部分，同时所面临的困难也比较多，随着现代化无线电通讯技术与人工智能的发展与应用，无线电信号的特种会随着周围环境的变化更加复杂。因此，无线电信号更容易受到外界的信号干扰，检测人员对于无线电信号的信息接收更加困难，无法确定无线电信号的正常运作，然而这种情况更需要尽快做出解决对策。基于此，本文将会以人工智能的发展与应用作为前提条件，对无线电信号的识别方法进行研究与探索，提出提高无线电信号识别能力的有效措施，为我国在无线电信领域方面提供更有价值的参考意见。

自20 世纪以来，随着无限电信技术的不断发展，各种无线电通信技术和设备逐渐成为通信领域中不可或缺的重要组成部分。现代化的当今时代，电子信息技术更是以飞速发展的情况，使得信号种类和数量不断增加，信息系统变得更加复杂繁琐。人工智能的加入式的传统信号处理与分析方法，难以满足新时代对于通信方面多样化、自动化、智能化的要求，在未来无线电信号分析与识别能力需要不断提升，才能够更好的为人们的生活与生产提供更优质的服务。通信信号的识别，是整个通信在运作过程中的一项重要组成部分，整个通信系统的构成主要是以信号源和信号调制两大基础构建的，信号识别可以广泛的应用于各种通信应用领域中，无线信号识别的本质就是一个在不断磨砺和识别的过程，其中最关键的问题就在于如何获取更精准的信号，确保整个通信工程能够从输入的信号序列中找到与之匹配的原始数据，进一步降低数据的误差，提高整个识别工作的水平，避免今后的通讯工作出现信号判断错误的情况。

目前，无线电信号常用的识别方法是传统的人工识别，通过单一的信号类型作为识别对象，以专业的背景知识和识别技巧处理上传的所有数据，使得整个通信工程能够在人工的帮助下尽快做好识别工作。随着现代通信环境日益复杂，各种通信方法层出不穷，因此，无线电信号容易出现大量且复杂的信号干扰，要想再通过人工的形式去辨别传统的无线电信号是非常困难的，再加上这样的工作量会随着环境的变化不断增加，使得出错率越来越高。而人工智能的加入，可以极大的减少这类问题的发生，以更加智能化的形式去解决存在的问题和局限，保证在原来的识别方法上进一步提高无线电信号的识别水平，进一步实现我国未来无线电信号智能化的识别方式。

1 人工智能概念

人工智能是研究、开发用于模拟、延伸、扩展人的智能的理论、方法、技术以及应用系统的一门新的技术学科。也可以理解为是对人的意识思想的信息过程的模拟，虽然不能达到像人那般思考，但也可以做到接近人的思维，甚至在未来会超过人的智能。计算机学科其中的一个分支就是人工智能的研究，它将是一种新型的人类智能方式，对于不同领域都有极大的帮助作用，主要包括机器人、识别、性能语言处理等方式。人工智能的研究领域比较广，能够应用的领域也比较大，与计算机和互联网相关的行业对于人工智能的应用更加快速。

2 基于人工智能网络的无线电信号识别流程

在人工智能网络的帮助下，无线电信号识别流程主要分信号的预处理、信号特征提取、信号分类以及信号的分类识别四个部分。其中如何提取合适的信号特征来区分不同的人工智能模式，对于无线电信号的识别效果具有重要的影响。一般的提取方式主要有，基于人工智能技术的帮助将无线电信号换成高阶累积量，该方法主要是由构建人工智能网络体系，或者是多层的感知系统来实现自动化的无线电信号识别。利用人工智能网络作为分类器，完成多种模拟无线电信号的识别工作，确保整个识别框架在信号的接收过程时，同样也能够考虑排除干扰信号。传统的识别系统最多能够考虑到接收信号，无法保证信号在不同模式下对于信号接收的能力，也很大程度上影响关键信号特征的顺序。

基于人工智能的设计，无线电信号的自动识别系统，将会进一步进行更加精准的分类整理，确保网络系统的分类器能够高效运作，将整个无线信号的识别率提高至0.70 ～0.99 之间。但是仍然会出现对部分信号接收不及时的情况，这就需要进一步提升人工智能的精准度，特别是在信号较为嘈杂的情况下，很容易使得无线电信号出现频率下降的情况。可以在未来设计一种分层次的人工智能网络系统，对整个分类器再进行精准化，采用动量梯度算法分类器，将无线电信号的识别率提高98%以上，除此之外，基于人工智能网络对某一无线电信号的波段还要有更强的检测控制能力。这样的发展方向无疑是将人工智能在无线电信号自动识别系统方面发挥到极致，但是这样的设计是属于更深层次的网络智能网络分类识别范畴，需要设计者花更多的心思放在对信号接收和提取的工作上。

3 无线电信号识别研究现状

目前无线电信号在识别方法上的研究，主要还是基于传统的无线通信框架，最早的识别分类器也主要是传统的人工对于接收的信号进行预处理，然后再将生成的信号通过网络传输到控制中心，完成整个对无线电信号的接收和传输工作。集中利用无线信号的循环作用进行识别是最早提出的识别方法，但是由于每个信号的循环频率都不一样，所以要想根据信号的频率做出排列组合，还是有一定困难的，再加上因为有的信号之间频率连接过快，很容易发生冲突，即使在干扰较少的情况下，依然能够检测出不同之间信号的冲突。与此同时，因为无线信号对于噪声的抑制能力较弱，因此对于无线信号进行预处理是较为困难的，需要更强大的技术来完成，对整个识别能力提高，对原始信号进行分类整理，确保提取出有效的信号数据。

区别于之前对无线电信号识别方法，现代化的当今人工智能的加入，将会为无线电信号的接收与识别提出了更深入的研究内容，比如说调制识别分类器的模型，就是能够连接整个输出层和输入层得到的数据信息更加精准。在后续的研究过程中，调制识别分类器的模型所含有的各个连接点，既能够提高对信号数据的精准捕捉，又能够保留信号动态化的特征，因此在目前的形式下人工智能的加入，无疑是为无线电信号自动化识别方法提供了相应的技术保障。综合各种文献可以得知，人工智能下的无线电信号自动化识别方法将会随着技术的不断提升，使信号干扰有所降低，一般控制在 10dB 以下，对于信号的识别率高达98%，因此，对于这类研究不断加深，才能够更好的为我国未来无线电信领域提供更高效的识别方法。

4 基于人工智能网络的无线电信号特征提取方法

对于人工智能网络的无线电信号特征提取方面的研究仍然处于初级发展阶段，但是随着对人工智能的不断应用与发展，在这项研究方向上会越来越成熟。为了进一步扩展无线信号识别的应用空间，尽快解决无线电信号识别中的联合问题，将会建立更加详细的数据库，确保无线电信号作为输入端，再通过人工智能网络进行分类识别，克服传统的方法，对于人工选择上出现的差错，需要对无线信号进行一系列的选择和提取，才能够保证所选择的无线电信号、信息、数据更加真实有效。针对这种信号的本质特征，设计了以人工智能为基础的编码调制联合识别方法，以金字塔结构将模型更好的应用于无线信号调制与编码过程中，使得网络的特征为无线信号特征提取提供核心能力。基于对人工智能网络的应用，再加上与金字塔结构网络模型可以更加深入的提取信号调制与编码，使得无线电信号特征提取更加精准。

4.1 编码调制联合数据库的构造

信号在传输的过程中经过调制，可以将无线信号以排除传输的方式减少其他信号的干扰，增强传输效果，达到编码调制联合的效果。在无线电信号识别过程中，面对多样化的调制和编码方式，首先最重要的就是将无线电信号的编码调制进行判断，然后再进行下一步的分析。为了深入探究无线电信号特征提取方式，就需要制定更加科学严谨的编码调制联合数据库，通过这样的结构来打造更加完整的数据库，确保再进行无线电信号自动识别过程中，能够保证以编码和调制作为参数，确定无线电信号的参数更加合理。

4.2 金字塔层级结构

尽管金字塔结构最擅长的就是将空间信息进一步扩大，但对于编码和调制这样的联合分类工作还是很难做好的，要想更高效精准的提取无线信号的特征，人工智能的加入是能够帮助金字塔层级结构做好这一项任务。人工智能网络是通过层次化的结构体系来进一步研究数据的发展，在图像处理领域中通过网络层可以保证金字塔模型能够提取更高的无线电信号特征。充分的考虑到无线电信号目前存在的问题与不足，以及网络的宽度和深度，需要再确定金字塔结构的情况下，还要兼顾多种数据来学习到更具体的无线电信号特征。在金字塔层级结构上，每层的信息数据不断增加，就会让整个金字塔的层级结构更加复杂。声音不对，通过金字塔层级结构，可以为整个网络和模型提供更强大的信息数据支持，确保在互联网的时代下，依旧能够对无线电信号的自动识别系统进行管理和控制。

5 人工智能在无线电信号自动识别下的网络

5.1 信号编码网络

信号编码网络是由双向门控制单元网络和双向网络，而这两种网络能够将原始的无线电信号进行管理和控制与传统的有线网络相比，该结构可能降低信号的噪音，从而在人工智能网络上最大程度的获取无线电信号的数据资源。除此之外，可以在无线信号的特征保留更大范围的信息。经过人工智能网络的初步处理，可以得到更加精准的信号时间模型进一步表明双向网络能够更好的实现对信号的编码工作，通过某一位置相邻的信号来代替网络，在该位置上的输出。与传统的集成方式不同，根据信号编码的局部空间来进一步提升网络的工具效率，提供了一种更富表现力的方式来考虑信号编码网络与人工智能之间的相互作用。信号编码网络器主要是将第一次信号特征输入到输入层中，这样一来输入到每个解码器网络的信息，就能够保证信号能够被网络所控制。

5.2 信号解码网络

信号解码网络主要是由网络进行连接组成的，实现了对编码向量的解码和最终特征提取，以及各种信号分类的工作。解码网络的第一层主要是以较低的概率，将输入信号输入到人工智能网络中，达到解码的效果，从而减少模型出现错误的概率。通过大量处理不同维度之间的信号来源，可以通过时间的顺序做好输出向量的时序分布层。

6 结语

随着现代化的发展越来越快速，高质量的生活同样也需要先进的技术支持，那么无线电信号的发展就将目光放在了人工智能的技术手段上，这样一来我国的无线电信行业发展将会更加先进高效。无线电信号特征提取是信号工作过程中最重要的一项内容，它能够精准的对信号进行预测和判断，本文将会以无线电信号的识别以及编码作出详细分析，深度结合人工智能技术进行研究，目的就是为了能够保证我国未来在无线电信号上有更高层次水平。针对不同的情况，对于人工智能网络进行无线电信号的调制和识别是非常重要的，信号编码网络以及信号解码网络，都是能够对信号识别方法具有较高的能力同时也会进一步降低传统调制识别的方法，从而使得无线电信号调制识别更加灵活高效。总而言之，为了尽快提高无线电信号识别方法，以及促进全人类高质量发展，那么就需要对人工智能网络的应用更加广泛完成，对无线信号的特征进行统一起来。解决通信中混合模式的识别问题，就需要重视对编码和调制的联合作用，可以最大可能的保存信号原始信息，将网络直接作为网络的输入。因此，未来对于无线电信号的自动化识别更需要引入人工智能的发展，确保在高质量的技术支持下，为我国的无线电信号发展提供更强大的技术保障。

引用

[1] 陈楠.非正常无线电信号的自动识别系统开发研究[J].现代工业经济和信息化,2016,6(23):111-112.

[2] 杨淑媛,焦李成,黄震宇,等.基于多尺度卷积神经网络的无线电信号调制识别方法:中国,CN201711144077.6[P].2018-05-01.

[3] 黄震宇.基于深度学习的无线电信号识别方法研究[D].西安:西安电子科技大学,2018.

[4] 林媛.认知无线电信号的数字调制识别技术研究[D].无锡:江南大学,2021.

[5] 袁冰清,王岩松,郑柳刚.深度学习在无线电信号调制识别中的应用综述[J].电子技术应用,2019,45(5):1-4.

[6] 高轶,陈通.一种基于决策树的认知无线电信号调制识别方法[J].通信技术,2019,52(7):1563-1568.

[7] 冀宝安.基于机器学习的无线电信号调制样式识别技术研究[D].石家庄:河北科技大学,2019.

[8] 孙野.无线电信号的调制识别研究[J].无线互联科技,2020,17 (20):9-10.

[9] 姜欣睿.复杂电磁环境下的无线电信号识别[D].成都:电子科技大学,2021.

[10] 刘金霞.无线电信号自动采集和调制方式识别方法[J].中国无线电,2021(7):90-92.