【技术实现步骤摘要】
本专利技术属于电磁信号识别，涉及一种基于扩散sigformer的受干扰电磁信号识别系统与方法。
技术介绍
1、随着信息技术的飞速发展，电磁信号作为信息传输的载体，其重要性日益凸显。电磁信号识别作为信号处理领域的重要分支，不仅具有深远的理论意义，更在民用和军事领域展现出广泛的应用价值。在民用领域，电磁信号识别技术可用于监测民用通信信号，进行干扰识别以及电磁频谱管理。通过实时监测和分析电磁信号,可以监督民用通信的依法操作，同时监控非法用户对卫星转发器资源的侵占和盗用。此外，电磁信号识别技术还可用于智能家居、物联网等领域，实现设备的智能控制和信息交互。在军事领域，精确的信号识别是进行太空电磁对抗和获取信息权的必备条件。通过对敌方电磁信号的识别和分析，可以截获敌方、进行电磁干扰和攻击等，为军事行动提供有力支持。此外，电磁信号识别技术还可用于雷达信号处理、电子战等领域，提高作战效率和安全性。
2、近年来，随着人工智能的不断发展，深度学习技术在很多领域已引起了广泛关注，深度学习方法也成为电磁信号识别领域的一个研究热点。通过构建神经网络模型，可以学习到不同电磁信号数据中更深层次的信息，提高识别的准确性和效率。然而，随着无线通信技术的快速发展，种类多样、数量繁多的电磁波在时/频/空等多个维度上交迭变化，且无线信道时变性强，存在信道衰落、背景噪声等众多干扰因素，电磁环境日益复杂，电磁信号动态不稳定，这些因素使得信号识别模型面临重大挑战。深度学习模型容易受到各种干扰的影响，从而导致识别准确率的降低。为了满足实际需求，开发一种抗扰动的电磁
3、现有的电磁信号识别存在如下问题：
4、1.深度学习模型容易受到各种噪声的干扰，导致准确率下降，鲁棒性较差，不能满足实际需求。
5、2.基于cnn的方法无法对全局信息建立长距离依赖，无法对信号的时序信息和细节信息进行充分挖掘。
技术实现思路
1、本专利技术为解决现有技术中存在的技术问题，而提供一种基于扩散sigformer的受干扰电磁信号识别系统与方法。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术提供一种基于扩散sigformer的受干扰电磁信号识别系统，包括：扩散模型ddpm：将受干扰的电磁信号进行去噪处理，得到干净信号；分类模型sigformer：用于对干净信号的调制方式进行识别。
4、进一步地，所述分类模型sigformer，包括：1d patch embedding模块：将干净信号序列划分成块，转换成transformer encoder可以接收的形式，添加位置编码，保存原序列的时序关系；sigformer block模块：用于对干净信号进行特征提取，获得不同调制类别的信息；分类器模块：用于接收提取到的深层特征，输出每个调制类别的预测概率。
5、进一步地，所述1d patch embedding模块包括patch一维卷积和可学习的位置编码向量；所述patch一维卷积，将去干扰后的信号分成一系列patch；所述可学习的位置编码向量，用于保留各个patch之间的位置信息。
6、进一步地，所述分类器模块由线性层构成，将sigformer block模块最终的输出作为输入，输出每个调制类别的预测概率。
7、进一步地，所述扩散模型ddpm使用均方差损失函数训练，所述分类模型sigformer使用交叉熵损失函数训练。
8、进一步地，所述均方差损失函数表达式为：
9、
10、其中，n为样本数量，∈为真实噪声，为预测噪声。
11、进一步地，所述交叉熵损失函数表达式为：
12、
13、其中，n为样本数量，k为类别数，yik为第i个样本属于第k个类别的真实标签，为第i个样本属于第k个类别的预测概率。
14、进一步地，所述扩散模型ddpm主干为unet，所述unet用于预测添加的噪声量。
15、本专利技术还提供了一种基于扩散sigformer的受干扰电磁信号识别方法，包括以下步骤：将被扰动的信号输入到扩散模型ddpm进行去扰动，输出干净信号作为1d patchembedding模块输入，所述1d patch embedding模块将干净信号转化为token，添加位置编码和用于分类的class token输入给sigformer block模块进行特征提取，sigformerblock模块将最终的输出作为分类器模块的输入，输出每个调制类别的预测概率。
16、进一步地，所述sigformer block模块先对1d patch embedding模块输出进行自注意力操作，将原始输入与自注意力结果相加输入给一维卷积，将一维卷积结果与一维卷积输入相加，输入给多层感知机，将多层感知机的结果与多层感知机的输入相加，作为sigformer block模块最终的输出。
17、与现有技术相比，本专利技术具有以下有益的技术效果：
18、本专利技术一种基于扩散sigformer的受干扰电磁信号识别系统，使用扩散模型ddpm作为去干扰模型，在训练过程中对干净信号添加噪声进行处理，以加噪后的信号作为输入，预测所添加的噪声，在测试过程中接收受干扰的信号作为输入，对其进行去噪处理，得到去干扰后的信号。
19、本专利技术一种基于扩散sigformer的受干扰电磁信号识别系统，1d patchembedding模块将去干扰后的信号转换为token形式，并添加位置编码，保留了原信号中的时序信息。
20、本专利技术一种基于扩散sigformer的受干扰电磁信号识别系统，sigformer block模块用于对信号进行特征提取，基于transformer encoder，在自注意力之后加入残差卷积，使得分类模型sigformer在不丢失全局信息的情况下，能够更好地关注到局部细节特征。
本文档来自技高网...【技术保护点】
1.一种基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于，包括：
2.根据权利要求1所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于，所述分类模型Sigformer，包括：
3.根据权利要求2所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于：
4.根据权利要求2所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于：
5.根据权利要求1所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于：
6.根据权利要求5所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于：
7.根据权利要求5所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于：
8.根据权利要求7所述的基于扩散Sigformer的受干扰电磁信号识别系统，其特征在于：
9.一种基于扩散Sigformer的受干扰电磁信号识别方法，其特征在于，基于权利要求1-8任一所述的基于扩散Sigformer的受干扰电磁信号识别系统
10.根据权利要求9所述的基于扩散Sigformer的受干扰电磁信号识别方法，其特征在于：
...【技术特征摘要】
1.一种基于扩散sigformer的受干扰电磁信号识别系统，其特征在于，包括：
2.根据权利要求1所述的基于扩散sigformer的受干扰电磁信号识别系统，其特征在于，所述分类模型sigformer，包括：
3.根据权利要求2所述的基于扩散sigformer的受干扰电磁信号识别系统，其特征在于：
4.根据权利要求2所述的基于扩散sigformer的受干扰电磁信号识别系统，其特征在于：
5.根据权利要求1所述的基于扩散sigformer的受干扰电磁信号识别系统，其特征在于：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：刘旭，郝晓宇，张丹，李玲玲，马文萍，刘芳，焦李成，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。