重慶電子信息中小企業(yè)公共服務(wù)有限公司 劉向超

隨著人工智能時(shí)代的到來(lái)，在現(xiàn)代化的發(fā)展過(guò)程中，各個(gè)領(lǐng)域都開(kāi)始融入人工智能的技術(shù)手段，給行業(yè)的發(fā)展帶來(lái)了新的生機(jī)。人工智能網(wǎng)絡(luò)中的無(wú)線電信識(shí)別是有一定的學(xué)習(xí)能力，可以自動(dòng)化的從原始數(shù)據(jù)中獲取更加深層的數(shù)據(jù)信息，因此在探究深度的人工智能無(wú)線電信識(shí)別方法是更需要嚴(yán)謹(jǐn)?shù)奶剿?。與此同時(shí)，基于人工智能的發(fā)展無(wú)線電信號(hào)識(shí)別方法的研究會(huì)越來(lái)越深入，成為目前我國(guó)無(wú)線電信監(jiān)督檢測(cè)領(lǐng)域中主要研究發(fā)展方向之一。無(wú)線電信號(hào)的識(shí)別是整個(gè)監(jiān)測(cè)過(guò)程中最為重要的一部分，同時(shí)所面臨的困難也比較多，隨著現(xiàn)代化無(wú)線電通訊技術(shù)與人工智能的發(fā)展與應(yīng)用，無(wú)線電信號(hào)的特種會(huì)隨著周?chē)h(huán)境的變化更加復(fù)雜。因此，無(wú)線電信號(hào)更容易受到外界的信號(hào)干擾，檢測(cè)人員對(duì)于無(wú)線電信號(hào)的信息接收更加困難，無(wú)法確定無(wú)線電信號(hào)的正常運(yùn)作，然而這種情況更需要盡快做出解決對(duì)策。基于此，本文將會(huì)以人工智能的發(fā)展與應(yīng)用作為前提條件，對(duì)無(wú)線電信號(hào)的識(shí)別方法進(jìn)行研究與探索，提出提高無(wú)線電信號(hào)識(shí)別能力的有效措施，為我國(guó)在無(wú)線電信領(lǐng)域方面提供更有價(jià)值的參考意見(jiàn)。

自20 世紀(jì)以來(lái)，隨著無(wú)限電信技術(shù)的不斷發(fā)展，各種無(wú)線電通信技術(shù)和設(shè)備逐漸成為通信領(lǐng)域中不可或缺的重要組成部分?，F(xiàn)代化的當(dāng)今時(shí)代，電子信息技術(shù)更是以飛速發(fā)展的情況，使得信號(hào)種類(lèi)和數(shù)量不斷增加，信息系統(tǒng)變得更加復(fù)雜繁瑣。人工智能的加入式的傳統(tǒng)信號(hào)處理與分析方法，難以滿足新時(shí)代對(duì)于通信方面多樣化、自動(dòng)化、智能化的要求，在未來(lái)無(wú)線電信號(hào)分析與識(shí)別能力需要不斷提升，才能夠更好的為人們的生活與生產(chǎn)提供更優(yōu)質(zhì)的服務(wù)。通信信號(hào)的識(shí)別，是整個(gè)通信在運(yùn)作過(guò)程中的一項(xiàng)重要組成部分，整個(gè)通信系統(tǒng)的構(gòu)成主要是以信號(hào)源和信號(hào)調(diào)制兩大基礎(chǔ)構(gòu)建的，信號(hào)識(shí)別可以廣泛的應(yīng)用于各種通信應(yīng)用領(lǐng)域中，無(wú)線信號(hào)識(shí)別的本質(zhì)就是一個(gè)在不斷磨礪和識(shí)別的過(guò)程，其中最關(guān)鍵的問(wèn)題就在于如何獲取更精準(zhǔn)的信號(hào)，確保整個(gè)通信工程能夠從輸入的信號(hào)序列中找到與之匹配的原始數(shù)據(jù)，進(jìn)一步降低數(shù)據(jù)的誤差，提高整個(gè)識(shí)別工作的水平，避免今后的通訊工作出現(xiàn)信號(hào)判斷錯(cuò)誤的情況。

目前，無(wú)線電信號(hào)常用的識(shí)別方法是傳統(tǒng)的人工識(shí)別，通過(guò)單一的信號(hào)類(lèi)型作為識(shí)別對(duì)象，以專(zhuān)業(yè)的背景知識(shí)和識(shí)別技巧處理上傳的所有數(shù)據(jù)，使得整個(gè)通信工程能夠在人工的幫助下盡快做好識(shí)別工作。隨著現(xiàn)代通信環(huán)境日益復(fù)雜，各種通信方法層出不窮，因此，無(wú)線電信號(hào)容易出現(xiàn)大量且復(fù)雜的信號(hào)干擾，要想再通過(guò)人工的形式去辨別傳統(tǒng)的無(wú)線電信號(hào)是非常困難的，再加上這樣的工作量會(huì)隨著環(huán)境的變化不斷增加，使得出錯(cuò)率越來(lái)越高。而人工智能的加入，可以極大的減少這類(lèi)問(wèn)題的發(fā)生，以更加智能化的形式去解決存在的問(wèn)題和局限，保證在原來(lái)的識(shí)別方法上進(jìn)一步提高無(wú)線電信號(hào)的識(shí)別水平，進(jìn)一步實(shí)現(xiàn)我國(guó)未來(lái)無(wú)線電信號(hào)智能化的識(shí)別方式。

1 人工智能概念

人工智能是研究、開(kāi)發(fā)用于模擬、延伸、擴(kuò)展人的智能的理論、方法、技術(shù)以及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)學(xué)科。也可以理解為是對(duì)人的意識(shí)思想的信息過(guò)程的模擬，雖然不能達(dá)到像人那般思考，但也可以做到接近人的思維，甚至在未來(lái)會(huì)超過(guò)人的智能。計(jì)算機(jī)學(xué)科其中的一個(gè)分支就是人工智能的研究，它將是一種新型的人類(lèi)智能方式，對(duì)于不同領(lǐng)域都有極大的幫助作用，主要包括機(jī)器人、識(shí)別、性能語(yǔ)言處理等方式。人工智能的研究領(lǐng)域比較廣，能夠應(yīng)用的領(lǐng)域也比較大，與計(jì)算機(jī)和互聯(lián)網(wǎng)相關(guān)的行業(yè)對(duì)于人工智能的應(yīng)用更加快速。

2 基于人工智能網(wǎng)絡(luò)的無(wú)線電信號(hào)識(shí)別流程

在人工智能網(wǎng)絡(luò)的幫助下，無(wú)線電信號(hào)識(shí)別流程主要分信號(hào)的預(yù)處理、信號(hào)特征提取、信號(hào)分類(lèi)以及信號(hào)的分類(lèi)識(shí)別四個(gè)部分。其中如何提取合適的信號(hào)特征來(lái)區(qū)分不同的人工智能模式，對(duì)于無(wú)線電信號(hào)的識(shí)別效果具有重要的影響。一般的提取方式主要有，基于人工智能技術(shù)的幫助將無(wú)線電信號(hào)換成高階累積量，該方法主要是由構(gòu)建人工智能網(wǎng)絡(luò)體系，或者是多層的感知系統(tǒng)來(lái)實(shí)現(xiàn)自動(dòng)化的無(wú)線電信號(hào)識(shí)別。利用人工智能網(wǎng)絡(luò)作為分類(lèi)器，完成多種模擬無(wú)線電信號(hào)的識(shí)別工作，確保整個(gè)識(shí)別框架在信號(hào)的接收過(guò)程時(shí)，同樣也能夠考慮排除干擾信號(hào)。傳統(tǒng)的識(shí)別系統(tǒng)最多能夠考慮到接收信號(hào)，無(wú)法保證信號(hào)在不同模式下對(duì)于信號(hào)接收的能力，也很大程度上影響關(guān)鍵信號(hào)特征的順序。

基于人工智能的設(shè)計(jì)，無(wú)線電信號(hào)的自動(dòng)識(shí)別系統(tǒng)，將會(huì)進(jìn)一步進(jìn)行更加精準(zhǔn)的分類(lèi)整理，確保網(wǎng)絡(luò)系統(tǒng)的分類(lèi)器能夠高效運(yùn)作，將整個(gè)無(wú)線信號(hào)的識(shí)別率提高至0.70 ～0.99 之間。但是仍然會(huì)出現(xiàn)對(duì)部分信號(hào)接收不及時(shí)的情況，這就需要進(jìn)一步提升人工智能的精準(zhǔn)度，特別是在信號(hào)較為嘈雜的情況下，很容易使得無(wú)線電信號(hào)出現(xiàn)頻率下降的情況。可以在未來(lái)設(shè)計(jì)一種分層次的人工智能網(wǎng)絡(luò)系統(tǒng)，對(duì)整個(gè)分類(lèi)器再進(jìn)行精準(zhǔn)化，采用動(dòng)量梯度算法分類(lèi)器，將無(wú)線電信號(hào)的識(shí)別率提高98%以上，除此之外，基于人工智能網(wǎng)絡(luò)對(duì)某一無(wú)線電信號(hào)的波段還要有更強(qiáng)的檢測(cè)控制能力。這樣的發(fā)展方向無(wú)疑是將人工智能在無(wú)線電信號(hào)自動(dòng)識(shí)別系統(tǒng)方面發(fā)揮到極致，但是這樣的設(shè)計(jì)是屬于更深層次的網(wǎng)絡(luò)智能網(wǎng)絡(luò)分類(lèi)識(shí)別范疇，需要設(shè)計(jì)者花更多的心思放在對(duì)信號(hào)接收和提取的工作上。

3 無(wú)線電信號(hào)識(shí)別研究現(xiàn)狀

目前無(wú)線電信號(hào)在識(shí)別方法上的研究，主要還是基于傳統(tǒng)的無(wú)線通信框架，最早的識(shí)別分類(lèi)器也主要是傳統(tǒng)的人工對(duì)于接收的信號(hào)進(jìn)行預(yù)處理，然后再將生成的信號(hào)通過(guò)網(wǎng)絡(luò)傳輸?shù)娇刂浦行模瓿烧麄€(gè)對(duì)無(wú)線電信號(hào)的接收和傳輸工作。集中利用無(wú)線信號(hào)的循環(huán)作用進(jìn)行識(shí)別是最早提出的識(shí)別方法，但是由于每個(gè)信號(hào)的循環(huán)頻率都不一樣，所以要想根據(jù)信號(hào)的頻率做出排列組合，還是有一定困難的，再加上因?yàn)橛械男盘?hào)之間頻率連接過(guò)快，很容易發(fā)生沖突，即使在干擾較少的情況下，依然能夠檢測(cè)出不同之間信號(hào)的沖突。與此同時(shí)，因?yàn)闊o(wú)線信號(hào)對(duì)于噪聲的抑制能力較弱，因此對(duì)于無(wú)線信號(hào)進(jìn)行預(yù)處理是較為困難的，需要更強(qiáng)大的技術(shù)來(lái)完成，對(duì)整個(gè)識(shí)別能力提高，對(duì)原始信號(hào)進(jìn)行分類(lèi)整理，確保提取出有效的信號(hào)數(shù)據(jù)。

區(qū)別于之前對(duì)無(wú)線電信號(hào)識(shí)別方法，現(xiàn)代化的當(dāng)今人工智能的加入，將會(huì)為無(wú)線電信號(hào)的接收與識(shí)別提出了更深入的研究?jī)?nèi)容，比如說(shuō)調(diào)制識(shí)別分類(lèi)器的模型，就是能夠連接整個(gè)輸出層和輸入層得到的數(shù)據(jù)信息更加精準(zhǔn)。在后續(xù)的研究過(guò)程中，調(diào)制識(shí)別分類(lèi)器的模型所含有的各個(gè)連接點(diǎn)，既能夠提高對(duì)信號(hào)數(shù)據(jù)的精準(zhǔn)捕捉，又能夠保留信號(hào)動(dòng)態(tài)化的特征，因此在目前的形式下人工智能的加入，無(wú)疑是為無(wú)線電信號(hào)自動(dòng)化識(shí)別方法提供了相應(yīng)的技術(shù)保障。綜合各種文獻(xiàn)可以得知，人工智能下的無(wú)線電信號(hào)自動(dòng)化識(shí)別方法將會(huì)隨著技術(shù)的不斷提升，使信號(hào)干擾有所降低，一般控制在 10dB 以下，對(duì)于信號(hào)的識(shí)別率高達(dá)98%，因此，對(duì)于這類(lèi)研究不斷加深，才能夠更好的為我國(guó)未來(lái)無(wú)線電信領(lǐng)域提供更高效的識(shí)別方法。

4 基于人工智能網(wǎng)絡(luò)的無(wú)線電信號(hào)特征提取方法

對(duì)于人工智能網(wǎng)絡(luò)的無(wú)線電信號(hào)特征提取方面的研究仍然處于初級(jí)發(fā)展階段，但是隨著對(duì)人工智能的不斷應(yīng)用與發(fā)展，在這項(xiàng)研究方向上會(huì)越來(lái)越成熟。為了進(jìn)一步擴(kuò)展無(wú)線信號(hào)識(shí)別的應(yīng)用空間，盡快解決無(wú)線電信號(hào)識(shí)別中的聯(lián)合問(wèn)題，將會(huì)建立更加詳細(xì)的數(shù)據(jù)庫(kù)，確保無(wú)線電信號(hào)作為輸入端，再通過(guò)人工智能網(wǎng)絡(luò)進(jìn)行分類(lèi)識(shí)別，克服傳統(tǒng)的方法，對(duì)于人工選擇上出現(xiàn)的差錯(cuò)，需要對(duì)無(wú)線信號(hào)進(jìn)行一系列的選擇和提取，才能夠保證所選擇的無(wú)線電信號(hào)、信息、數(shù)據(jù)更加真實(shí)有效。針對(duì)這種信號(hào)的本質(zhì)特征，設(shè)計(jì)了以人工智能為基礎(chǔ)的編碼調(diào)制聯(lián)合識(shí)別方法，以金字塔結(jié)構(gòu)將模型更好的應(yīng)用于無(wú)線信號(hào)調(diào)制與編碼過(guò)程中，使得網(wǎng)絡(luò)的特征為無(wú)線信號(hào)特征提取提供核心能力?；趯?duì)人工智能網(wǎng)絡(luò)的應(yīng)用，再加上與金字塔結(jié)構(gòu)網(wǎng)絡(luò)模型可以更加深入的提取信號(hào)調(diào)制與編碼，使得無(wú)線電信號(hào)特征提取更加精準(zhǔn)。

4.1 編碼調(diào)制聯(lián)合數(shù)據(jù)庫(kù)的構(gòu)造

信號(hào)在傳輸?shù)倪^(guò)程中經(jīng)過(guò)調(diào)制，可以將無(wú)線信號(hào)以排除傳輸?shù)姆绞綔p少其他信號(hào)的干擾，增強(qiáng)傳輸效果，達(dá)到編碼調(diào)制聯(lián)合的效果。在無(wú)線電信號(hào)識(shí)別過(guò)程中，面對(duì)多樣化的調(diào)制和編碼方式，首先最重要的就是將無(wú)線電信號(hào)的編碼調(diào)制進(jìn)行判斷，然后再進(jìn)行下一步的分析。為了深入探究無(wú)線電信號(hào)特征提取方式，就需要制定更加科學(xué)嚴(yán)謹(jǐn)?shù)木幋a調(diào)制聯(lián)合數(shù)據(jù)庫(kù)，通過(guò)這樣的結(jié)構(gòu)來(lái)打造更加完整的數(shù)據(jù)庫(kù)，確保再進(jìn)行無(wú)線電信號(hào)自動(dòng)識(shí)別過(guò)程中，能夠保證以編碼和調(diào)制作為參數(shù)，確定無(wú)線電信號(hào)的參數(shù)更加合理。

4.2 金字塔層級(jí)結(jié)構(gòu)

盡管金字塔結(jié)構(gòu)最擅長(zhǎng)的就是將空間信息進(jìn)一步擴(kuò)大，但對(duì)于編碼和調(diào)制這樣的聯(lián)合分類(lèi)工作還是很難做好的，要想更高效精準(zhǔn)的提取無(wú)線信號(hào)的特征，人工智能的加入是能夠幫助金字塔層級(jí)結(jié)構(gòu)做好這一項(xiàng)任務(wù)。人工智能網(wǎng)絡(luò)是通過(guò)層次化的結(jié)構(gòu)體系來(lái)進(jìn)一步研究數(shù)據(jù)的發(fā)展，在圖像處理領(lǐng)域中通過(guò)網(wǎng)絡(luò)層可以保證金字塔模型能夠提取更高的無(wú)線電信號(hào)特征。充分的考慮到無(wú)線電信號(hào)目前存在的問(wèn)題與不足，以及網(wǎng)絡(luò)的寬度和深度，需要再確定金字塔結(jié)構(gòu)的情況下，還要兼顧多種數(shù)據(jù)來(lái)學(xué)習(xí)到更具體的無(wú)線電信號(hào)特征。在金字塔層級(jí)結(jié)構(gòu)上，每層的信息數(shù)據(jù)不斷增加，就會(huì)讓整個(gè)金字塔的層級(jí)結(jié)構(gòu)更加復(fù)雜。聲音不對(duì)，通過(guò)金字塔層級(jí)結(jié)構(gòu)，可以為整個(gè)網(wǎng)絡(luò)和模型提供更強(qiáng)大的信息數(shù)據(jù)支持，確保在互聯(lián)網(wǎng)的時(shí)代下，依舊能夠?qū)o(wú)線電信號(hào)的自動(dòng)識(shí)別系統(tǒng)進(jìn)行管理和控制。

5 人工智能在無(wú)線電信號(hào)自動(dòng)識(shí)別下的網(wǎng)絡(luò)

5.1 信號(hào)編碼網(wǎng)絡(luò)

信號(hào)編碼網(wǎng)絡(luò)是由雙向門(mén)控制單元網(wǎng)絡(luò)和雙向網(wǎng)絡(luò)，而這兩種網(wǎng)絡(luò)能夠?qū)⒃嫉臒o(wú)線電信號(hào)進(jìn)行管理和控制與傳統(tǒng)的有線網(wǎng)絡(luò)相比，該結(jié)構(gòu)可能降低信號(hào)的噪音，從而在人工智能網(wǎng)絡(luò)上最大程度的獲取無(wú)線電信號(hào)的數(shù)據(jù)資源。除此之外，可以在無(wú)線信號(hào)的特征保留更大范圍的信息。經(jīng)過(guò)人工智能網(wǎng)絡(luò)的初步處理，可以得到更加精準(zhǔn)的信號(hào)時(shí)間模型進(jìn)一步表明雙向網(wǎng)絡(luò)能夠更好的實(shí)現(xiàn)對(duì)信號(hào)的編碼工作，通過(guò)某一位置相鄰的信號(hào)來(lái)代替網(wǎng)絡(luò)，在該位置上的輸出。與傳統(tǒng)的集成方式不同，根據(jù)信號(hào)編碼的局部空間來(lái)進(jìn)一步提升網(wǎng)絡(luò)的工具效率，提供了一種更富表現(xiàn)力的方式來(lái)考慮信號(hào)編碼網(wǎng)絡(luò)與人工智能之間的相互作用。信號(hào)編碼網(wǎng)絡(luò)器主要是將第一次信號(hào)特征輸入到輸入層中，這樣一來(lái)輸入到每個(gè)解碼器網(wǎng)絡(luò)的信息，就能夠保證信號(hào)能夠被網(wǎng)絡(luò)所控制。

5.2 信號(hào)解碼網(wǎng)絡(luò)

信號(hào)解碼網(wǎng)絡(luò)主要是由網(wǎng)絡(luò)進(jìn)行連接組成的，實(shí)現(xiàn)了對(duì)編碼向量的解碼和最終特征提取，以及各種信號(hào)分類(lèi)的工作。解碼網(wǎng)絡(luò)的第一層主要是以較低的概率，將輸入信號(hào)輸入到人工智能網(wǎng)絡(luò)中，達(dá)到解碼的效果，從而減少模型出現(xiàn)錯(cuò)誤的概率。通過(guò)大量處理不同維度之間的信號(hào)來(lái)源，可以通過(guò)時(shí)間的順序做好輸出向量的時(shí)序分布層。

6 結(jié)語(yǔ)

隨著現(xiàn)代化的發(fā)展越來(lái)越快速，高質(zhì)量的生活同樣也需要先進(jìn)的技術(shù)支持，那么無(wú)線電信號(hào)的發(fā)展就將目光放在了人工智能的技術(shù)手段上，這樣一來(lái)我國(guó)的無(wú)線電信行業(yè)發(fā)展將會(huì)更加先進(jìn)高效。無(wú)線電信號(hào)特征提取是信號(hào)工作過(guò)程中最重要的一項(xiàng)內(nèi)容，它能夠精準(zhǔn)的對(duì)信號(hào)進(jìn)行預(yù)測(cè)和判斷，本文將會(huì)以無(wú)線電信號(hào)的識(shí)別以及編碼作出詳細(xì)分析，深度結(jié)合人工智能技術(shù)進(jìn)行研究，目的就是為了能夠保證我國(guó)未來(lái)在無(wú)線電信號(hào)上有更高層次水平。針對(duì)不同的情況，對(duì)于人工智能網(wǎng)絡(luò)進(jìn)行無(wú)線電信號(hào)的調(diào)制和識(shí)別是非常重要的，信號(hào)編碼網(wǎng)絡(luò)以及信號(hào)解碼網(wǎng)絡(luò)，都是能夠?qū)π盘?hào)識(shí)別方法具有較高的能力同時(shí)也會(huì)進(jìn)一步降低傳統(tǒng)調(diào)制識(shí)別的方法，從而使得無(wú)線電信號(hào)調(diào)制識(shí)別更加靈活高效?？偠灾瑸榱吮M快提高無(wú)線電信號(hào)識(shí)別方法，以及促進(jìn)全人類(lèi)高質(zhì)量發(fā)展，那么就需要對(duì)人工智能網(wǎng)絡(luò)的應(yīng)用更加廣泛完成，對(duì)無(wú)線信號(hào)的特征進(jìn)行統(tǒng)一起來(lái)。解決通信中混合模式的識(shí)別問(wèn)題，就需要重視對(duì)編碼和調(diào)制的聯(lián)合作用，可以最大可能的保存信號(hào)原始信息，將網(wǎng)絡(luò)直接作為網(wǎng)絡(luò)的輸入。因此，未來(lái)對(duì)于無(wú)線電信號(hào)的自動(dòng)化識(shí)別更需要引入人工智能的發(fā)展，確保在高質(zhì)量的技術(shù)支持下，為我國(guó)的無(wú)線電信號(hào)發(fā)展提供更強(qiáng)大的技術(shù)保障。

引用

[1] 陳楠.非正常無(wú)線電信號(hào)的自動(dòng)識(shí)別系統(tǒng)開(kāi)發(fā)研究[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化,2016,6(23):111-112.

[2] 楊淑媛,焦李成,黃震宇,等.基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的無(wú)線電信號(hào)調(diào)制識(shí)別方法:中國(guó),CN201711144077.6[P].2018-05-01.

[3] 黃震宇.基于深度學(xué)習(xí)的無(wú)線電信號(hào)識(shí)別方法研究[D].西安:西安電子科技大學(xué),2018.

[4] 林媛.認(rèn)知無(wú)線電信號(hào)的數(shù)字調(diào)制識(shí)別技術(shù)研究[D].無(wú)錫:江南大學(xué),2021.

[5] 袁冰清,王巖松,鄭柳剛.深度學(xué)習(xí)在無(wú)線電信號(hào)調(diào)制識(shí)別中的應(yīng)用綜述[J].電子技術(shù)應(yīng)用,2019,45(5):1-4.

[6] 高軼,陳通.一種基于決策樹(shù)的認(rèn)知無(wú)線電信號(hào)調(diào)制識(shí)別方法[J].通信技術(shù),2019,52(7):1563-1568.

[7] 冀寶安.基于機(jī)器學(xué)習(xí)的無(wú)線電信號(hào)調(diào)制樣式識(shí)別技術(shù)研究[D].石家莊:河北科技大學(xué),2019.

[8] 孫野.無(wú)線電信號(hào)的調(diào)制識(shí)別研究[J].無(wú)線互聯(lián)科技,2020,17 (20):9-10.

[9] 姜欣睿.復(fù)雜電磁環(huán)境下的無(wú)線電信號(hào)識(shí)別[D].成都:電子科技大學(xué),2021.

[10] 劉金霞.無(wú)線電信號(hào)自動(dòng)采集和調(diào)制方式識(shí)別方法[J].中國(guó)無(wú)線電,2021(7):90-92.