基于深度卷积神经网络的信号类型识别方法

本发明公开了一种基于深度卷积神经网络的信号类型识别方法，该方法先针对窄带信号的特点对窄带信号特征进行扩展增强，制作用于模型训练的数据集；然后，通过深度卷积神经网络模型对信号特征图进行特征提取和网络模型的训练，并利用权重文件对视觉可分的信号类型进行识别；相较于传统的信号识别方法而言，该方法绕过复杂的解调过程，减少了对解调硬件设备的依赖，提升了信号识别的鲁棒性和适用性，且识别效率更高；将视觉可分的窄带信号通过特征增强以图像形式表征出来，同时引入深度学习技术设计的多维表征卷积神经网络模型建模，降低了信号识别方法的复杂性和难度。