本發(fā)明屬于數據工程領域，具體設計一種無線信號識別系統(tǒng)訓練樣本仿真方法。

背景技術：

1、基于深度學習的信號識別系統(tǒng)需要大量高質量的訓練樣本，然而由于現實采集原因的限制無法提供足夠數量和質量的樣本。另一方面，無線信號天然是由計算機產生并通過中頻、射頻器件和天線發(fā)射、并經過信道傳播的，因此實際采集的信號與計算機仿真的信號具有同源性，因此使用計算機仿真的方法實現無線信號樣本產生是必要且可行的。

2、中國電信股份有限公司公開一種無線信號仿真方法、裝置、電子設備及介質，基于待測天線的測試數據中各個位置點的信號強度，生成等強線和等強面，仿真得到無線信號；中國人民解放軍蚌埠坦克學院公開了一種無線電臺模擬通信電磁環(huán)境仿真裝置，具有噪聲與輻射仿真信號產生模塊、信號合成模塊、用戶輸入與顯示模塊、控制模塊，可實現實裝無線電臺輸出的話音信號經過模擬電磁環(huán)境仿真處理后，輸出至音頻終端；中國人民解放軍國防科技大學公開了一種無線電信號測試仿真系統(tǒng)，包括：任意波形模塊，用于配置信號發(fā)生器虛擬儀器以生成不同類型的仿真信號，并對所述仿真信號的時域波形進行展示；閉場路徑模塊，用于配置各類射頻接頭、射頻連接線和衰減器以仿真組成閉場路徑；頻譜分析模塊，用于配置頻譜分析儀虛擬儀器以對所述仿真信號進行頻譜分析，并對頻譜分析的結果進行展示；中國人民解放軍部隊公開了一種適用于各頻段無線仿真設備的通用信息處理平臺，采用硬件模塊搭建公用平臺，以軟件代替硬件，側重以軟件代替硬件對各種類型無線通信設備在實際應用中的功能和操作現實進行仿真，并使用以太網技術，實現在一個終端設備上對連接在網內的無線仿真設備進行系統(tǒng)升級。

3、然而，上述無線信號仿真系統(tǒng)產生的仿真信號無法直接支持基于深度學習的信號識別系統(tǒng)的訓練，一方面是由于仿真信號中的變量缺乏隨機性導致樣本的多樣性不能滿足訓練的需求，另一方面是由于仿真信號為單一中頻頻率上的采樣信號，與識別系統(tǒng)接收信號(寬帶采樣信號)的模態(tài)不匹配。

技術實現思路

1、針對現有技術存在的問題，本發(fā)明提供一種無線信號識別系統(tǒng)訓練樣本仿真方法，具體包括下列步驟：

2、步驟1：基于幀元素的基帶信號建模；

3、幀元素包括起始標志、地址信息、數據字段、時隙結構、結束標志；

4、幀元素的基帶信號基于幀元素進行組裝；

5、step1：確定基帶信號幀類型，基帶信號幀類型分為連續(xù)信號、周期幀信號以及非周期幀信號，確定所包含的幀元素組成，包括幀頭、同步頭、特殊碼、時隙間隔、數據段、幀尾；

6、step2：定義幀元素，確定調制類型、符號速率、編碼類型、信息序列構造等參數；

7、step3：確定幀元素的時序，組裝幀元素，構造基本幀結構；

8、step4：若基帶信號為連續(xù)信號，則使用1個幀結構構造基帶信號；若基帶信號為周期幀信號，則使用3個以上幀結構構造基帶信號，幀間隔為固定時隙；若基帶信號為非周期幀信號，則使用3個以上幀結構構造基帶信號，幀間隔為隨機時隙；

9、步驟2：基于隨機干擾變量的中頻信號生成；

10、中頻信號仿真的涉及的參數，包括信號出現時間、信號持續(xù)時間、信號平均功率、噪聲標準差、信號中心頻率以及信號載波相位；由于中頻信號參數與信號類型無關，因此上述參數為識別系統(tǒng)中的干擾參數；對于觀測時間為td的中頻信號而言，令如下干擾變量服從均勻分布：

11、(1)信號出現時間tstart：tstart～u[-td,td]

12、(2)信號持續(xù)時間tc：tc～u[0,2td]

13、(3)信號平均功率p：p～u[pmin,pmax]

14、(4)噪聲標準差σn：σn～u[0,σnmax]

15、(5)信號中心頻率fc：fc～u[0,fs/2)

16、(6)信號載波相位其中，～u[·]代表隨機變量服從均勻分布，pmin和pmax代表仿真信號平均功率可能的最大值和最小值，σnmax代表噪聲標準差可能的最大值，fs為信號采樣頻率；不考慮添加信道和干擾因素，且只考慮噪聲類型為高斯白噪聲；

17、中頻信號的生成是一個隨機過程，令步驟1產生的基帶信號為s(t)，具體過程如下：

18、step1：信號出現時間、持續(xù)時間的隨機化；

19、為保證中頻信號出現時間、持續(xù)時間的隨機化，進行兩次截取：

20、第一次：隨機截取長度為tc的信號片段s(t|tc)，前后補零構造中間過程的信號序列s1(t)：

21、

22、第二次：對s1(t)隨機截取形成觀測時間為td的信號出現時間、持續(xù)時間的隨機化信號序列s2(t)；

23、step2：信號平均功率的隨機化；

24、對s2(t)除以標準差進行歸一化后乘上幅度增益得到隨機功率信號s3(t)：

25、

26、其中，std()表示信號的標準差；

27、step3：噪聲方差的隨機化；

28、對隨機功率信號s3(t)疊加隨機標準差的高斯白噪聲，得到含噪聲的中頻信號s4(t)：

29、s4(t)＝s3(t)+σn*randn

30、式中，randn表示取值范圍為[0,1]，均值為0.5，方差為1的服從正態(tài)分布的隨機變量；

31、step4：信號中心頻率和載波相位的隨機化；

32、對含噪聲的中頻信號s4(t)設置隨機的中心頻率和載波相位，使其變?yōu)橹蓄l信號s5(t)：

33、

34、上述過程使用聯(lián)合概率密度函數描述：

35、

36、由于上述隨機變量不相關，根據上述變量服從均勻分布，有：

37、

38、式中，f(tstart)、f(tc)、f(p)、f(σn)、f(fc)、分別表示變量tstart、tc、p、σn、fc、的概率密度函數；

39、步驟3：基于多個中頻信號疊加的樣本生成；

40、定義步驟2操作一個輪次生成的一個中頻信號為其中i代表采樣帶寬內中頻信號的數量；多個中頻信號疊加得到仿真樣本s(t)：

41、

42、判斷信號的索引i是否達到設定的信號數量i，若是，則執(zhí)行樣本輸出，輸出s(t)；若否，則判斷下一信號與當前信號是否同類型；若是，則跳轉執(zhí)行步驟2，若否，則跳轉步驟1。

43、在本發(fā)明的一個實施例中，步驟1中，對于cains模式的link-4a基帶信號而言，具體包括下列步驟：

44、step1：確定cains模式下link-4a基帶信號為周期幀信號，其包含同步脈沖串、保護間隔、起始位、數據位、不鍵控信號5種幀元素；

45、step2：cains模式下link-4a幀元素定義如下：調制類型為2fsk調制；頻率間隔為40khz，符號0為負頻偏-20khz，符號1為正頻偏20khz；符號速率為10kbd，同步脈沖串；5kbd保護間隔、起始位、數據位、不鍵控信號，編碼類型為偶校驗，信息序列構造如表1所示；

46、表1link-4a(cains模式)幀元素信息序列構造

47、

48、

49、step3：確定cains模式下link-4a基本幀結構按照同步脈沖串、保護間隔、啟動位、數據位和非鍵控信號的順序排列；

50、step4：cains模式下link-4a基帶信號為周期幀信號，使用3個以上幀結構構造基帶信號，幀間隔為2ms的固定時隙。

51、本發(fā)明采用計算機仿真的方式實現深度學習領域的數據集生成，能夠彌補實際采集信號樣本存在數量少、質量低的問題。

52、本發(fā)明有以下優(yōu)點：

53、(1)基于幀元素的基帶信號生成符合標準的計算機仿真流程，給予信號生成更多的自由度和拓展性；

54、(2)從統(tǒng)計分布的角度引入樣本中干擾變量的隨機性，使得樣本的多樣化極大擴展；

55、(3)樣本是由多個中頻信號疊加生成的，符合實際識別系統(tǒng)信號接收模式，支持于深度學習的信號識別系統(tǒng)多信號識別模態(tài)的訓練。