买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利信号自动调制识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116800569B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310376220.3，技术领域涉及：H04L27/00；该发明授权信号自动调制识别方法是由张念祖;陈程;杨晨;洪伟设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本信号自动调制识别方法在说明书摘要公布了：本发明公开了信号自动调制识别方法，包括以下步骤：步骤1、获取目标信号，所述目标信号为待调制识别的信号；步骤2、获取目标信号的IQ双通道数据、AP双通道数据，将IQ双通道数据、AP双通道数据分别分离，得到独立的I单通道数据、Q单通道数据、A单通道数据和P单通道数据；步骤3、搭建对称多通道深度学习系统，构建数据集，对搭建的对称多通道深度学习系统进行训练，得到训练好的对称多通道深度学习系统；步骤4、向训练好的对称多通道深度学习系统输入新的待调制识别的信号，确定目标信号的信号调制识别方式。本发明提升了基于深度学习方法的自动调制识别技术的识别准确性，在调制方式区分上具有较高的识别性能。

本发明授权信号自动调制识别方法在权利要求书中公布了：1.信号自动调制识别方法，其特征在于，包括以下步骤： 步骤1、获取目标信号，所述目标信号为待调制识别的信号； 步骤2、获取目标信号的IQ双通道数据、AP双通道数据，将IQ双通道数据、AP双通道数据分别分离，得到独立的I单通道数据、Q单通道数据、A单通道数据和P单通道数据； 步骤3、搭建对称多通道深度学习系统，构建数据集，所述数据集包括IQ双通道数据、AP双通道数据、I单通道数据、Q单通道数据、A单通道数据和P单通道数据，将数据集按照6：1：3的比例分为训练集，验证集，测试集，对搭建的对称多通道深度学习系统进行训练，得到训练好的对称多通道深度学习系统； 步骤4、向训练好的对称多通道深度学习系统输入新的待调制识别的信号，确定新的待调制识别信号的调制识别方式； 步骤3中，所述对称多通道深度学习系统包括两个多通道特征映射模块以及一个总体特征网络分类器模块； 将两个所述多通道特征映射模块分别定义为PartA模块和PartB模块： 所述PartA模块包括一个三通道输入、卷积层CONV1，卷积层CONV2，卷积层CONV3、第一LSTM层LSTM1和LSTM2、第二LSTM层LSTM5、两个GaussianDropout层； 所述PartA模块的三通道输入，分别输入IQ双通道数据，A单通道数据，P单通道数据； 所述IQ双通道数据的输出端与所述卷积层CONV1的输入端相连，所述A单通道数据的输出端与所述卷积层CONV2的输入端相连，所述P单通道数据的输出端与所述卷积层CONV3的输入端相连； 所述卷积层CONV1的输出和所述卷积层CONV2的输出合并后与所述LSTM1的输入端相连，所述卷积层CONV1的输出和所述卷积层CONV3的输出合并后与所述LSTM2的输入端相连； 所述LSTM1的输出端与其中一个GaussianDropout层输入端相连，所述LSTM2的输出与另一个GaussianDropout层输入端相连； 两个GaussianDropout层的输出合并后与所述LSTM5的输入端相连，所述LSTM5的输出端则为PartA模块的输出端； 所述PartB模块包括一个三通道输入，卷积层CONV6，卷积层CONV4，卷积层CONV5，第一LSTM层LSTM3和LSTM4，第二LSTM层LSTM6，两个GaussianDropout层； 所述PartB模块的三通道输入，分别输入AP多通道数据，I单通道数据，Q单通道数据； 所述AP多通道数据的输出端与所述卷积层CONV6的输入端相连，所述I单通道数据的输出端与所述卷积层CONV4的输入端相连，所述Q单通道数据的输出端与所述卷积层CONV5的输入端相连； 所述卷积层CONV6的输出和所述卷积层CONV4的输出合并后与所述LSTM3的输入端相连，所述卷积层CONV6的输出和所述卷积层CONV5的输出合并后与LSTM4的输入端相连； 所述LSTM3的输出端与其中一个GaussianDropout层输入端相连，LSTM4的输出与另一个GaussianDropout层输入端相连； 两个GaussianDropout层的输出合并后与LSTM6的输入端相连； 所述LSTM6的输出端则为PartB模块的输出端； 所述总体特征网络分类器模块，定义为PartC模块；所述PartC模块包括卷积层CONV7、第三LSTM层LSTM7、GaussianDropout层、全连接层Denset1，全连接层Denset2、两个相同Dropout层、Softmax输出层； 所述PartC模块将PartA模块的输出与PartB模块的输出合并后作为输入，与卷积层CONV7的输入端相连； 所述卷积层CONV7的输出与LSTM7的输入端相连，所述LSTM7的输出与GaussianDropout层的输入端相连，GaussianDropout层的输出与全连接层Denset1的输入端相连，所述全连接层Denset1的输出与第一个Dropout层的输入端相连，所述第一个Dropout层的输出与全连接层Denset2的输入端相连，所述全连接层Denset2的输出与第二个Dropout层的输入端相连，所述第二个Dropout层的输出与所述Softmax输出层的输入端相连，所述Softmax输出层的输出端则为PartC模块的输出端，即对称多通道深度学习系统的输出端。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。