本發(fā)明屬于電磁信號識別，涉及一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)與方法。

背景技術(shù)：

1、隨著信息技術(shù)的飛速發(fā)展，電磁信號作為信息傳輸?shù)妮d體，其重要性日益凸顯。電磁信號識別作為信號處理領(lǐng)域的重要分支，不僅具有深遠(yuǎn)的理論意義，更在民用和軍事領(lǐng)域展現(xiàn)出廣泛的應(yīng)用價值。在民用領(lǐng)域，電磁信號識別技術(shù)可用于監(jiān)測民用通信信號，進(jìn)行干擾識別以及電磁頻譜管理。通過實(shí)時監(jiān)測和分析電磁信號,可以監(jiān)督民用通信的依法操作，同時監(jiān)控非法用戶對衛(wèi)星轉(zhuǎn)發(fā)器資源的侵占和盜用。此外，電磁信號識別技術(shù)還可用于智能家居、物聯(lián)網(wǎng)等領(lǐng)域，實(shí)現(xiàn)設(shè)備的智能控制和信息交互。在軍事領(lǐng)域，精確的信號識別是進(jìn)行太空電磁對抗和獲取信息權(quán)的必備條件。通過對敵方電磁信號的識別和分析，可以截獲敵方、進(jìn)行電磁干擾和攻擊等，為軍事行動提供有力支持。此外，電磁信號識別技術(shù)還可用于雷達(dá)信號處理、電子戰(zhàn)等領(lǐng)域，提高作戰(zhàn)效率和安全性。

2、近年來，隨著人工智能的不斷發(fā)展，深度學(xué)習(xí)技術(shù)在很多領(lǐng)域已引起了廣泛關(guān)注，深度學(xué)習(xí)方法也成為電磁信號識別領(lǐng)域的一個研究熱點(diǎn)。通過構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，可以學(xué)習(xí)到不同電磁信號數(shù)據(jù)中更深層次的信息，提高識別的準(zhǔn)確性和效率。然而，隨著無線通信技術(shù)的快速發(fā)展，種類多樣、數(shù)量繁多的電磁波在時/頻/空等多個維度上交迭變化，且無線信道時變性強(qiáng)，存在信道衰落、背景噪聲等眾多干擾因素，電磁環(huán)境日益復(fù)雜，電磁信號動態(tài)不穩(wěn)定，這些因素使得信號識別模型面臨重大挑戰(zhàn)。深度學(xué)習(xí)模型容易受到各種干擾的影響，從而導(dǎo)致識別準(zhǔn)確率的降低。為了滿足實(shí)際需求，開發(fā)一種抗擾動的電磁信號識別模型至關(guān)重要。

3、現(xiàn)有的電磁信號識別存在如下問題：

4、1.深度學(xué)習(xí)模型容易受到各種噪聲的干擾，導(dǎo)致準(zhǔn)確率下降，魯棒性較差，不能滿足實(shí)際需求。

5、2.基于cnn的方法無法對全局信息建立長距離依賴，無法對信號的時序信息和細(xì)節(jié)信息進(jìn)行充分挖掘。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為解決現(xiàn)有技術(shù)中存在的技術(shù)問題，而提供一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)與方法。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、本發(fā)明提供一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，包括：擴(kuò)散模型ddpm：將受干擾的電磁信號進(jìn)行去噪處理，得到干凈信號；分類模型sigformer：用于對干凈信號的調(diào)制方式進(jìn)行識別。

4、進(jìn)一步地，所述分類模型sigformer，包括：1d?patch?embedding模塊：將干凈信號序列劃分成塊，轉(zhuǎn)換成transformer?encoder可以接收的形式，添加位置編碼，保存原序列的時序關(guān)系；sigformer?block模塊：用于對干凈信號進(jìn)行特征提取，獲得不同調(diào)制類別的信息；分類器模塊：用于接收提取到的深層特征，輸出每個調(diào)制類別的預(yù)測概率。

5、進(jìn)一步地，所述1d?patch?embedding模塊包括patch一維卷積和可學(xué)習(xí)的位置編碼向量；所述patch一維卷積，將去干擾后的信號分成一系列patch；所述可學(xué)習(xí)的位置編碼向量，用于保留各個patch之間的位置信息。

6、進(jìn)一步地，所述分類器模塊由線性層構(gòu)成，將sigformer?block模塊最終的輸出作為輸入，輸出每個調(diào)制類別的預(yù)測概率。

7、進(jìn)一步地，所述擴(kuò)散模型ddpm使用均方差損失函數(shù)訓(xùn)練，所述分類模型sigformer使用交叉熵?fù)p失函數(shù)訓(xùn)練。

8、進(jìn)一步地，所述均方差損失函數(shù)表達(dá)式為：

9、

10、其中，n為樣本數(shù)量，∈為真實(shí)噪聲，為預(yù)測噪聲。

11、進(jìn)一步地，所述交叉熵?fù)p失函數(shù)表達(dá)式為：

12、

13、其中，n為樣本數(shù)量，k為類別數(shù)，yik為第i個樣本屬于第k個類別的真實(shí)標(biāo)簽，為第i個樣本屬于第k個類別的預(yù)測概率。

14、進(jìn)一步地，所述擴(kuò)散模型ddpm主干為unet，所述unet用于預(yù)測添加的噪聲量。

15、本發(fā)明還提供了一種基于擴(kuò)散sigformer的受干擾電磁信號識別方法，包括以下步驟：將被擾動的信號輸入到擴(kuò)散模型ddpm進(jìn)行去擾動，輸出干凈信號作為1d?patchembedding模塊輸入，所述1d?patch?embedding模塊將干凈信號轉(zhuǎn)化為token，添加位置編碼和用于分類的class?token輸入給sigformer?block模塊進(jìn)行特征提取，sigformerblock模塊將最終的輸出作為分類器模塊的輸入，輸出每個調(diào)制類別的預(yù)測概率。

16、進(jìn)一步地，所述sigformer?block模塊先對1d?patch?embedding模塊輸出進(jìn)行自注意力操作，將原始輸入與自注意力結(jié)果相加輸入給一維卷積，將一維卷積結(jié)果與一維卷積輸入相加，輸入給多層感知機(jī)，將多層感知機(jī)的結(jié)果與多層感知機(jī)的輸入相加，作為sigformer?block模塊最終的輸出。

17、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：

18、本發(fā)明一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，使用擴(kuò)散模型ddpm作為去干擾模型，在訓(xùn)練過程中對干凈信號添加噪聲進(jìn)行處理，以加噪后的信號作為輸入，預(yù)測所添加的噪聲，在測試過程中接收受干擾的信號作為輸入，對其進(jìn)行去噪處理，得到去干擾后的信號。

19、本發(fā)明一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，1d?patchembedding模塊將去干擾后的信號轉(zhuǎn)換為token形式，并添加位置編碼，保留了原信號中的時序信息。

20、本發(fā)明一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，sigformer?block模塊用于對信號進(jìn)行特征提取，基于transformer?encoder，在自注意力之后加入殘差卷積，使得分類模型sigformer在不丟失全局信息的情況下，能夠更好地關(guān)注到局部細(xì)節(jié)特征。

技術(shù)特征：

1.一種基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于，所述分類模型sigformer，包括：

3.根據(jù)權(quán)利要求2所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于：

4.根據(jù)權(quán)利要求2所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于：

5.根據(jù)權(quán)利要求1所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于：

6.根據(jù)權(quán)利要求5所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于：

7.根據(jù)權(quán)利要求5所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于：

8.根據(jù)權(quán)利要求7所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，其特征在于：

9.一種基于擴(kuò)散sigformer的受干擾電磁信號識別方法，其特征在于，基于權(quán)利要求1-8任一所述的基于擴(kuò)散sigformer的受干擾電磁信號識別系統(tǒng)，包括以下步驟：

10.根據(jù)權(quán)利要求9所述的基于擴(kuò)散sigformer的受干擾電磁信號識別方法，其特征在于：

技術(shù)總結(jié)
本發(fā)明屬于電磁信號識別技術(shù)領(lǐng)域，公開了一種基于擴(kuò)散Sigformer的受干擾電磁信號識別系統(tǒng)與方法；所述受干擾電磁信號識別系統(tǒng)包括擴(kuò)散模型DDPM和分類模型Sigformer，分類模型Sigformer包括1D?Patch?Embedding模塊、Sigformer?Block模塊和分類器模塊，擴(kuò)散模型DDPM將受干擾的電磁信號進(jìn)行去噪處理，得到去干擾后的信號，1D?Patch?Embedding模塊將去干擾后的信號序列劃分成塊，添加位置編碼，保存原序列的時序關(guān)系，在原始Transformer?Encoder中引入了殘差卷積，構(gòu)建了Sigformer?Block模塊，用于對去干擾后的信號進(jìn)行特征提取，獲得不同調(diào)制類別的信息，使得該系統(tǒng)在不丟失全局信息的情況下，能夠更好地關(guān)注局部特征，分類器模塊：用于接收提取到的深層特征，輸出每個調(diào)制類別的預(yù)測概率。

技術(shù)研發(fā)人員：劉旭,郝曉宇,張丹,李玲玲,馬文萍,劉芳,焦李成
受保護(hù)的技術(shù)使用者：西安電子科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30