技术摘要：
本发明提供了一种基于卷积神经网络的调制方式识别装置，包括：数据生成模块，用于生成原始数据及对原始数据进行预处理；模型构建模块，用于构建卷积神经网络模型；信号输入模块，用于将预处理后的原始数据输入到卷积神经网络模型中进行训练；信号输出模块，用于输出训  全部
背景技术：
目前，军事和民用各领域的通信技术不断发展，为了满足各种业务需求，研究人员 设计了各种各样的信号调制样式。不同的信道需要采用相应的调制样式，以满足不同的信 道条件需求。对于信息的传输速度、传输带宽和传输质量的更高要求推动了现代通信技术 的不断前进，也推动了更多种类调制样式的产生。因此对于信号调制样式识别技术的需求 越来越大，出现的问题也越来越多，需要进一步深入研究调制样式识别方法。此外，通信信 号的调制样式识别对不同的通信体制互通也具有很好的发展和应用前景。这就需要新的调 制样式识别方法。
技术实现要素：
基于此，针对上述问题，有必要提出一种基于卷积神经网络的调制方式识别装置 及系统，提高调制类型的分类准确率。 本发明提供了一种基于卷积神经网络的调制方式识别装置，包括： 数据生成模块，用于生成原始数据及对原始数据进行预处理； 模型构建模块，用于构建卷积神经网络模型； 信号输入模块，用于将预处理后的原始数据输入到卷积神经网络模型中进行训 练； 信号输出模块，用于输出训练完成后的结果。 优选的，所述数据生成模块具体包括： 调制信号生成单元，用于生成原始的调制信号； 偏移添加单元，用于添加相位偏移和频率偏移； 成形滤波单元，用于降低码间干扰； 添噪单元，用于对提取出的调制信号添加高斯白噪声； 贴标单元，用于将添加过高斯白噪声的调制信号添加标签； 存储单元，用于将添加好标签的调制信号按照图片的格式保存。 优选的，所述模型构建模块具体包括： 信息收集单元，用于对所输入的调制信号的信息进行收集； 第一信号处理单元，用于对所收集的调制信号进行滤波和特征提取，得到特征图； 第二信号处理单元，用于对所述特征图进行最大池化处理； 转换单元，用于将经过最大池化处理后的特征图进行组合并进行分类决策。 优选的，所述第一信号处理单元的参数包括卷积核数量、卷积核尺寸和步长。 本发明还提供了一种基于卷积神经网络的调制方式识别系统，包括Agilent  3 CN 111585923 A 说　明　书 2/4 页 E4438C信号源、9032便携式接收机、电脑、电源以及上述基于卷积神经网络的调制方式识别 装置。 本发明的有益效果是： (1)本发明所提供的基于卷积神经网络的调制方式识别装置及系统不需要提取调 制信号的特征参数，且当信噪比大于10dB时，调制类型的分类准确率在90％以上； (2)本发明所使用的方法不需要对接收到的信号进行任何同步处理和不需要先验 信息，就可进行调制类型分类。 附图说明 图1为实施例1所述卷积神经网络的调制方式识别装置的结构框图一； 图2为实施例1所述卷积神经网络的调制方式识别装置的结构框图二； 图3为实施例1所述卷积神经网络的调制方式识别装置的结构框图三； 图4为实施例2的测试结果图。