基于Swin-Transformer的短波协议信号识别

作     者：朱政宇 陈鹏飞 王梓晅 巩克现 吴迪 王忠勇 ZHU Zhengyu;CHEN Pengfei;WANG Zixuan;GONG Kexian;WU Di;WANG Zhongyong

作者机构：郑州大学电气与信息工程学院河南郑州450001 郑州大学河南省智能网络和数据分析国际联合实验室河南郑州450001 郑州大学电子材料与系统国际联合研究中心河南郑州450001 信息工程大学数据与目标工程学院河南郑州450001 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2022年第43卷第11期

页      面：127-135页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家重点研发计划基金资助项目(No.2019QY0302) 中国博士后科学基金资助项目(No.2020M682345) 河南省高校科技创新人才支持计划资助项目(No.23HASTIT019) 河南省博士后经费资助项目(No.202001015) 

主　　题：短波协议信号识别 神经网络 时频分析 多径时延衰落 Swin-Transformer 

摘      要：针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于Swin-Transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于Swin-Transformer的神经网络模型,对信号时频图进行特征提取;最后将特征与协议建立映射关系,从而实现信号协议的识别。仿真实验结果表明,在信噪比大于−4 dB的高斯信道下,所提算法的识别准确率接近100%,高于现有算法。此外,在强干扰以及多径时延衰落的信道条件下,所提算法仍具有较高的短波协议信号识别率。