在無線電監(jiān)測技術領域中，信號調制類型識別是重要工作內容之一，傳統(tǒng)識別手段包括基于似然比判決方法、基于統(tǒng)計模型提取特征等。

公司研發(fā)部門開發(fā)了一種有別于常規(guī)識別、基于統(tǒng)計模型的識別方法。其工作原理簡單描述為：首先，對未知類型的信號進行帶寬估計；其次，在時域、頻域以及循環(huán)譜相關函數域提取特征值，使用決策樹或神經網絡等模式識別算法進行信號類型識別；最后，計算信號類型、碼率等結果?；诮y(tǒng)計值的決策樹的示例圖，如下所示：

圖1 基于統(tǒng)計值的識別方法的決策樹

近年來，以“深度學習”為代表的的AI技術在搜索技術、數據挖掘、機器學習、機器翻譯、自然語言處理、圖像處理、人臉識別等諸多領域都有著廣泛的應用，逐漸在社會各領域中成為了研究熱點。這些技術進步推動了行業(yè)的發(fā)展，同時也深度改變了人們的生活。

“深度學習”在各行各業(yè)中發(fā)揮著重要作用，在無線電監(jiān)測的信號調制類型識別中，基于“深度學習”的識別算法也取得了理想效果。“深度學習”參考了人體的神經結構，使用多個感知器層搭建深層網絡，然后通過大量先驗數據對網絡的參數進行訓練，通過網絡在訓練中不斷的進行特征提取和學習，最終我們就能得到性能良好的分類器。研究表明，基于“深度學習”的調制類型識別方法，在性能上較傳統(tǒng)方法有了明顯的提升，可用于各種信號制式的識別，甚至是發(fā)射源類型的識別。

圖2 深層神經網絡示意圖

同時，還應注意到“深度學習”在學習階段需要復雜和大量的計算，但是在識別階段僅需要有限的運算量，即使在低性能的設備上依然能體現高效的識別能力，這也為這項技術在無線電監(jiān)測行業(yè)中的廣泛應用打下了良好的基礎。