CN118118305A - 一种信号接收机的调制信号识别方法 - Google Patents

Abstract

本发明提供了一种信号接收机的调制信号识别方法，包括以下步骤：FPGA芯片接收中频数字信号后，输出基带IQ数据至处理器；处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，输出频域数据集；预处理模块将频域数据集进行归一化处理和预处理操作，获得频域二维图像数据集；图像数据识别推理模块对频域二维图像数据集进行信号特征提取，输出频域二维图像所对应的多个像素框组成的第一候选框集合以及每个像素框所对应的检测概率；检测模块对第一候选框集合内的像素框进行筛选，输出像素框。本发明能够实现对多种调制信号进行识别和检测，降低了调制信号的虚警率并提升调制信号的检测概率。

Description

一种信号接收机的调制信号识别方法

技术领域

本申请涉及接收机通信技术领域，具体涉及一种信号接收机的调制信号识别方法。

背景技术

数字调制信号识别技术用于识别未知信号的调制类型，广泛应用于信号检测，频谱共享和干扰识别等领域。常见的数字调制技术包括脉冲编码调制（PCM）、正交振幅调制（QAM）、正交频分多路复用（OFDM）以及正交相移键控（QPSK）等。传统的调制信号识别通常分为两种方法：第一种是基于决策理论的最大似然假设检验，第二种是基于特征提取的统计模型识别。第一种方法根据信号的统计特性，进行理论分析与推导，得到所需要的检验统计量，然后将检验统计量与一个合适的门限进行比较并做出判定，这种方法需要了解信号大量的先验信息，推导复杂计算量较大；第二种要从接收的信号中提取出特征参数，然后通过模型识别系统来确定信号调制类型，一般包括特征提取系统和分类系统，其规则复杂但是特征计算简单快速。

近年来，深度学习开始被研究用于数字信号调制识别和处理。基于深度学习的数字信号调制识别，主要是利用信号的特征参数来对调制方案进行分类。首先将信号的星座图作为神经网的输入，然后利用神经网络的自我学习能力将调制信号进行分类识别。

目前基于深度学习的数字信号调制识别过程中，一种是先提取专家特征，例如时频特征包括时域能量特征、频域循环平稳特征和协方差特征值等，然后再将专家特征输入至模型中；通过这种方法实现信号识别依赖于专家经验，尤其是在特定的应用场景进行信号识别；另一种是直接通过预处理、特征提取和信号分类和检测等步骤来实现调制信号的识别和检测，该方法进行特征提取，完全由识别网络完成，并不依赖专家特征，但是并未由信号数据驱动以及没有建立数据映射关系，处理效率较低，同时由于调制信号的多样性，在低信噪比和短突发时间条件下，检测概率低，虚警率高。

公开号为CN113361433A的专利申请公开了一种基于神经网络的调制信号识别方法及其应用，其通过将调制信号转换为至少两种图像数据输入到基于神经网络的识别模型，输出调制信号类别。该方法适用于复杂信号环境下的调制信号识别，且针对特定的调制信号，适应性较窄，平均检测概率较低。

公开号为CN114024808A的专利申请公开了一种基于深度学习的调制信号识别方法及系统，其通过生成不同种类含噪声的调制信号，对含噪声的调制信号进行维纳滤波降噪，然后对降噪后的调制信号进行循环谱估计，提取循环谱二维截面图；以及构建深度神经网络，将循环谱二维截面图作为输入特征输入深度神经网络中，对深度神经网络进行训练；最后使用训练好的深度神经网络对未知信号的调制方式进行识别。该方案通过在将信号特征输入至神经网络之前进行降噪处理，并不能对最后的识别精度和效率进行明显改善。

发明内容

针对现有技术的不足，本发明提出了一种信号接收机的调制信号识别方法，能够实现对多种调制信号进行识别和检测，在低信噪比和短突发时间条件下，能够大大降低调制信号的虚警率并提升调制信号的检测概率，解决了现有技术存在的由信号数据驱动以及没有建立数据映射关系，处理效率较低，同时由于调制信号的多样性，在低信噪比和短突发时间条件下，检测概率低，虚警率高的技术问题。

本发明的技术方案如下：

一种信号接收机的调制信号识别方法，信号接收机包括有变频器、模数转换模块、与模数转换模块通信连接的FPGA芯片以及与FPGA芯片通信连接的处理器。

变频器用于接收射频信号后完成频率变换、滤波和放大，得到中频模拟信号；模数转换模块，用于将中频模拟信号转换为中频数字信号并将其传输至FPGA芯片；FPGA芯片内设置有用于接收中频数字信号并进行数据预处理后输出基带IQ数据的通信链路，通信链路包括有依次通信连接的数据采集模块、去直流模块、数字正交下变频模块以及滤波抽取模块；处理器用于对基带IQ数据进行信号识别，其包括有依次通信连接的平滑处理模块、预处理模块、图像数据识别推理模块以及检测模块。

调制信号识别方法包括以下步骤：

数据采集模块接收中频数字信号后，去直流模块消除中频数字信号中的直流分量，数字正交下变频模块去除中频数字信号中的载波频率，滤波抽取模块对中频数字信号的带宽之外的信号进行抑制以及对中频数字信号进行数据抽取后输出基带IQ数据至处理器。

处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，输出频域数据集。

预处理模块将频域数据集进行归一化处理，得到原始图像数据集；然后对原始图像数据集进行预处理操作，获得频域二维图像数据集。

将频域二维图像数据集输入至图像数据识别推理模块，图像数据识别推理模块对频域二维图像数据集进行信号特征提取，输出频域二维图像所对应的多个像素框组成的第一候选框集合以及每个像素框所对应的检测概率，像素框为多个像素点坐标组成的集合。

检测模块对第一候选框集合内的像素框进行筛选，输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框。

进一步地，处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，输出频域数据集，具体包括：

平滑处理模块获取FPGA模块输出多帧基带IQ数据，基带IQ数据为包含多个数据点的复数数据。

对基带IQ数据中所有数据点的复数数据相加后除以数据点数，得到多个数据点的平均值，然后将每个数据点的复数数据实虚部都减去平均值，得到每个数据点处理后的第一复数数据。

将每个数据点的第一复数数据乘以平滑权重值，得到每个数据点的平滑处理结果。

将平滑处理结果进行快速傅里叶变换，得到基带IQ数据的频域数据集，频域数据集内单个数据的数据格式为复数数组。

进一步地，平滑权重值的获取方法，包括以下步骤：

获取基带IQ数据的存储位置信息，存储位置信息为基带IQ数据的行索引值。

将行索引值乘以第一映射系数，使基带IQ数据的行索引映射至第一映射区间内，得到第一映射值；然后将第一映射值除以第二映射系数，使基带IQ数据的行索引映射至第二映射区间内，得到第二映射值。

计算第二映射值的余弦值，再将余弦值乘以第一预设值后与第一预设值之间的差值，差值为平滑权重值。

进一步地，预处理模块将频域数据集进行归一化处理，得到原始图像数据集，具体包括：

对频域数据集内每个复数数据进行绝对值处理。

查找经绝对值处理后的频域数据集内的最小值数据，再将频域数据集内每个数据减去最小值，得到调制信号的第一频域数据集。

查找基带IQ数据的第一频域数据集内的最大值数据，再将基带IQ数据的频域数据集内每个数据除以最大值后取整数，得到调制信号的第二频域数据集。

将第二频域数据集输入至图像数据转换组件，得到基带IQ数据的原始图像数据集。

进一步地，对原始图像数据集进行预处理操作，获得频域二维图像数据集，具体包括：

将原始图像数据集输入至仿射变换矩阵组件，建立原始图像数据集中各像素点坐标与目标图像像素点坐标之间的变换关系，并输出原始图像像素点的坐标信息以及像素值；其中，仿射变换矩阵组件，通过对图像中的像素进行重新映射来改变图像的形状、尺寸、旋转、平移和剪切等，是一种线性变换，它保持了图像中的直线和平行线的性质，实现了对图像的变形和重定位。

根据原始图像的像素点坐标信息以及像素值，进行插值计算，获得目标图像像素点的坐标值和像素值，然后将目标图像像素点的像素值归一化到预设范围内。

进一步地，将频域二维图像数据集输入至图像数据识别推理模块，图像数据识别推理模块对频域二维图像数据集进行信号特征提取，输出调制信号所对应的多个检测框以及每个检测框所对应的检测概率，具体包括：

利用图像数据识别推理模块对频域二维图像进行信号特征提取，提取的信号特征包括信号的类别、带宽、中心频率、持续时间以及信号持续中间时刻。

根据信号的带宽、中心频率、持续时间以及信号持续中间时刻，确定检测框宽高和检测框角点位置后建立检测框并输出检测框对应的检测概率。

进一步地，检测模块对第一候选框集合内的像素框进行筛选，输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框，具体包括：

检测模块从第一候选框集合中选取检测概率大于检测概率阈值的像素框作为第二候选框集合，将第二候选框集合中的所有像素框按照检测概率大小进行排序，选取第二候选框集合中检测概率最大的像素框作为检测框，选取第二候选框集合内检测概率非最大的像素框作为被检测框集合。

计算检测框与被检测框集合内的像素框之间的交并比，若交并比大于预设阈值，则将被检测框集合内的像素框删除；若交并比小于预设阈值，则保留被检测框集合内的像素框；按照上述方法依次对检测框与被检测框集合内所有的像素框进行交并比检测，直至被检测框集合中所有被检测框被检测完毕为止，最后输出检测框以及被检测框集合内与检测框之间交并比小于预设阈值的被检测框。

本发明首先通过接收射频信号后完成频率变换、滤波和放大，得到中频模拟信号，将中频模拟信号转换为中频数字信号并将其传输至FPGA芯片，然后FPGA芯片对接收的中频数字信号进行去直流分量、去除中频数字信号中的载波频率、带宽外信号抑制及数据抽取后输出基带IQ数据至处理器，然后处理器通过其内平滑处理模块对基带IQ数据进行平滑处理并输出频域数据集，预处理模块对频域数据集进行归一化处理和预处理操作并输出频域二维图像数据集，图像数据识别推理模块对频域二维图像数据集进行信号特征提取并输出第一候选框集合以及像素框所对应的检测概率，最后通过检测模块对第一候选框集合内的像素框进行筛选并输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框，从而实现了对调制信号的识别，解决了现有技术中存在的由于调制信号的多样性，在低信噪比和短突发时间条件下，检测概率低，虚警率高的技术问题。

本发明的有益效果：

1.本发明通过处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，能够去除直流偏移，减小频谱泄漏，有效提升后续频域数据处理的准确性。

2.本发明在计算和获取平滑权重值过程中，通过对行索引值进行两重映射后再计算余弦值，能够有效提升平滑处理后的频域数据的准确度。

3.本发明通过对频域数据集先进行归一化处理后再进行预处理操作，其目的是生成输入至图像数据识别推理模块的频域二维图像数据；同时，通过归一化处理和预处理后生成的频域二维图像数据，大大提高了图像数据识别推理模块进行图像特征提取的准确度，以及提高了检测模块对像素框进行筛选的检测概率。

4.本发明通过检测模块对第一候选框集合内的像素框进行筛选，输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框，提高了目标检测的准确性和检测效率。

5.通过本发明所述的信号接收机的调制信号识别方法，不仅能够对多种调制信号进行识别和检测，而且在低信噪比和短突发时间条件下，能够大大降低调制信号的虚警率并提升两种调制信号的检测概率。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例所述的信号接收机的示意图；

图2是本发明实施例所述的调制信号识别方法的流程图；

图3是本发明实施例所述的调制信号16QAM的识别结果的示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

一种信号接收机的调制信号识别方法，所述调制信号为BPSK和16QAM两种调制信号，如附图1所示，信号接收机包括有变频器、模数转换模块、与模数转换模块通信连接的FPGA芯片以及与FPGA芯片通信连接的处理器。

变频器用于接收射频信号后完成频率变换、滤波和放大，得到中频模拟信号；模数转换模块，用于将中频模拟信号转换为中频数字信号并将其传输至FPGA芯片；FPGA芯片内设置有用于接收中频数字信号并进行数据预处理后输出基带IQ数据的通信链路，所述通信链路包括有依次通信连接的数据采集模块ADC、去直流模块、数字正交下变频模块以及滤波抽取模块；处理器用于对基带IQ数据进行信号识别，其包括有依次通信连接的平滑处理模块、预处理模块、图像数据识别推理模块以及检测模块。

如附图2所示，调制信号识别方法包括以下步骤：

S01.数据采集模块ADC接收中频数字信号后，去直流模块消除所述中频数字信号中的直流分量，数字正交下变频模块去除所述中频数字信号中的载波频率，滤波抽取模块对所述中频数字信号的带宽之外的信号进行抑制以及对所述中频数字信号进行数据抽取后输出基带IQ数据至处理器。

S02.处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，输出频域数据集；本步骤具体包括以下步骤：

S201.平滑处理模块获取FPGA模块输出多帧基带IQ数据，所述基带IQ数据为包含多个数据点的复数数据。

S202.对基带IQ数据中所有数据点的复数数据相加后除以数据点数，得到多个数据点的平均值，然后将每个数据点的复数数据实虚部都减去平均值，得到每个数据点处理后的复数数据；本步骤中，输入的复数数据中实部和虚部都减去平均值，这样做可以消除数据的直流分量，使得数据的均值为零，有助于突出数据中的变化和细节，使后续处理更加准确和有效，同时有助于避免引入人为的伪影。

S203.将每个数据点处理后的复数数据乘以平滑权重值，得到每个数据点的平滑处理结果，本步骤的目的是有助于减小频谱泄漏

其中，平滑权重值的获取方法，包括以下步骤：

S20301.获取基带IQ数据的存储位置信息，所述存储位置信息为基带IQ数据的行索引值。

本步骤中，行索引值通过基带IQ数据的索引值获得，基带IQ数据的索引值一般包括块索引、线程索引和线程块大小的组合；在获得基带IQ数据的索引值之后，将所述索引值除以固定常数，其商值为列索引值；将所述索引值除以固定常数的余数为行索引值，本实施例中，上述固定常数取值512。

S20302.将行索引值乘以第一映射系数，使基带IQ数据的行索引映射至第一映射区间内，得到第一映射值；然后将第一映射值除以第二映射系数，使基带IQ数据的行索引映射至第二映射区间内，得到第二映射值。

本实施例中，第一映射系数取值2π，第一映射区间为0至2π的数据区间范围，而第二映射系数取值511，第二映射区间为0至1的数据区间范围；本步骤的目的是，将基带IQ数据除以第二映射系数，以将数据缩放到指定范围[0,1]内，这样做可以使基带IQ数据的动态范围更好地适应显示或处理需求。

S20303.计算第二映射值的余弦值，再将余弦值乘以第一预设值后与第一预设值之间的差值，所述差值为平滑权重值。

S204.将平滑处理结果进行快速傅里叶变换，得到基带IQ数据的频域数据集，频域数据集内单个数据的数据格式为复数数组。

本步骤中，执行快速傅里叶变换，能够将离散的时间域信号转换为离散的频域信号；本步骤输入平滑处理结果，平滑处理结果是由实部和虚部组成的复数序列；本步骤输出对复数数据变换的结果，该结果是一个复数数组；本步骤输出的数据表示输入数据在频域上的表示，包含了信号在不同频率上的幅度和相位信息。

S03.预处理模块将频域数据集进行归一化处理，得到原始图像数据集；然后对原始图像数据集进行预处理操作，获得频域二维图像数据集；本步骤中，数据通常是复数形式的频谱数据；本实施例通过一系列的图像数据处理，包括归一化、去除最小值、除以最大值、四舍五入取整等，其目的是为了最终生成图像数据；具体地，本步骤包括以下子步骤：

S301.对频域数据集内每个复数数据进行绝对值处理。

本步骤中，计算复数的绝对值，其目的是为了获取基带IQ数据的频谱图。

S302.查找经绝对值处理后的频域数据集内的最小值数据，再将频域数据集内每个数据减去最小值，得到基带IQ数据的第一频域数据集。

S303.查找基带IQ数据的第一频域数据集内的最大值数据，再将基带IQ数据的频域数据集内每个数据除以最大值后取整数，得到基带IQ数据的第二频域数据集。

S304.将第二频域数据集输入至图像数据转换组件，得到基带IQ数据的原始图像数据集。

本步骤304中，图像数据转换组件是对频域数据进行图像转换的插件或组件，将灰色图像转换为伪彩色图像，再将伪彩色图像转换为RGB格式图像的复数数据，本实施例中，通过图像数据转换组件，输出RGB格式的复数形式的原始图像数据集。

S305.将所述原始图像数据集输入至仿射变换矩阵组件，建立原始图像数据集中各像素点坐标与目标图像像素点坐标之间的变换关系，并输出原始图像像素点的坐标信息以及像素值。

S306.根据原始图像的像素点坐标信息以及像素值，进行插值计算，获得目标图像像素点的坐标值和像素值，然后将目标图像像素点的像素值归一化到预设范围内。

步骤S305和步骤306都是进行仿射变换矩阵的操作步骤；本实施例中，仿射变换矩阵组件是一种对图像进行几何变换的组件，它通过对图像中的像素进行重新映射来改变图像的形状、尺寸、旋转、平移和剪切等；仿射变换是一种线性变换，它保持了图像中的直线和平行线的性质，实现了对图像的变形和重定位；本实施例通过计算缩放比例和图像尺寸，构造了一个用于将源图像坐标映射到目标图像坐标的仿射变换矩阵和逆矩阵，从而建立从目标图像坐标到源图像坐标的变换关系，并输出了目标图像像素点的坐标值和像素值，将处理后的像素值存储到目标图像的对应位置。

S04.将频域二维图像数据集输入至图像数据识别推理模块，图像数据识别推理模块对频域二维图像数据集进行信号特征提取，输出频域二维图像所对应的多个像素框组成的第一候选框集合以及每个像素框所对应的检测概率，像素框为多个像素点坐标组成的集合。

本步骤中，图像数据识别推理模块首先检查输入的频域二维图像数据是否符合输入的要求，若不符合，则对图像进行前述的缩放、归一化等预处理步骤；然后将预处理后的图像数据输入到识别推理网络中进行卷积和池化操作，提取特征并生成预测结果，所述识别推理网络的结构包括卷积层、池化层和连接层，利用这三层网络能够有效进行特征提取和结果预测；第三步，根据识别推理网络输出提取的特征，通过解码和后处理操作，计算出预测的目标像素框（亦即本步骤中的像素框，后同）的位置、类别和检测概率等信息；最后，根据目标像素框的位置和类别等信息，将目标像素框绘制在原始图像上和输出目标像素框的类别标签和检测概率。

具体地，本步骤S04包括以下步骤：

S401.利用图像数据识别推理模块对频域二维图像进行信号特征提取，提取的信号特征包括信号的类别、带宽、中心频率、持续时间以及信号持续中间时刻。

S402.根据信号的带宽、中心频率、持续时间以及信号持续中间时刻，确定检测框宽高和检测框角点位置后建立检测框并输出检测框对应的检测概率。

S05.检测模块对第一候选框集合内的像素框进行筛选，输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框。

本步骤S05中，检测模块通过非最大抑制操作来进行筛选，该模块通过接收存储检测结果的二维向量、批处理大小、输出大小、检测概率阈值、预设阈值等设置信息，然后循环遍历图像数据识别推理模块每个批次的推理输出的浮点型数组格式的推理输出结果，进行非最大抑制操作并将输出结果储存，其中，推理输出结果包括有由多个像素框组成的第一候选框集合以及每个像素框所对应的检测概率，所述像素框为多个像素点坐标组成的集合。

具体地，本步骤S05包括以下子步骤：

S501.检测模块从第一候选框集合中选取检测概率大于检测概率阈值的像素框作为第二候选框集合，对于每个类别，将第二候选框集合中的所有像素框按照检测概率大小进行排序，选取第二候选框集合中检测概率最大的像素框作为检测框，选取第二候选框集合内检测概率非最大的像素框作为被检测框集合。

本步骤中，检测模块遍历图像数据识别推理模块输出的推理输出结果，对推理输出结果中的每个像素框进行处理，如果像素框的检测概率小于检测概率阈值，则跳过该检测框，否则，将像素框复制到第二候选框集合中，并根据类别ID将其存储到映射表的相应类别中；最后在第二候选框集合中选出检测概率最大的像素框作为检测框，其余的像素框作为被检测框并组合成被检测框集合。

S502.计算检测框与被检测框集合内的像素框之间的交并比，若交并比大于预设阈值，则将被检测框集合内的像素框删除；若交并比小于预设阈值，则保留被检测框集合内的像素框；按照上述方法依次对检测框与被检测框集合内所有的像素框进行交并比检测，输出检测框以及被检测框集合内与检测框之间交并比小于预设阈值的被检测框。

本步骤中，通过计算检测框与被检测框集合内的像素框之间的交并比，来判断检测框与被检测框集合内的像素框之间是否存在重叠的情况；其中交并比通过计算两个检测框的交集面积与它们的并集面积之比来定义，定义公式为，交并比=交集面积/并集面积；其中，交集面积是指检测框与被检测框集合内的像素框之间重叠的部分的面积，而并集面积是指检测框与被检测框集合内的像素框之间加在一起的总面积减去交集面积。

本步骤为非最大抑制的操作步骤，遍历每个被检测框，若被检测框与检测框之间的交并比大于预设阈值，则将被检测框从被检测框集合中移除，最后，输出检测概率最高的检测框以及被检测框集合中剩下的检测框；通过使用交并比来衡量检测框之间的重叠程度，可以在非最大抑制过程中过滤掉冗余的检测结果，保留检测概率高且不重叠的检测框，从而提高目标检测算法的准确性和效率。

如附图3所示，附图3为16QAM调制信号在设定的突发时间以及信噪比情况下进行信号检测和识别的仿真结果。原始图像为经过图像数据识别推理模块对频域二维图像进行识别输出的多个像素框；目标检测结果为经检测模块对多个像素框进行筛选后的图像；目标检测结果中显示了上述调制信号的多个图像标签，图像标签包括像素框所对应的调制信号名称以及调制信号所对应的检测概率。

在突发时间为100ms、信噪比为8dB时，经计算，平均检测概率为93.2%，虚警概率为3.5%；在突发时间为100ms、信噪比为10dB时，平均检测概率为95.01%，此时虚警概率为2.1%，其中平均检测概率为对多个检测概率求取的平均值；相对于现有技术，本发明实施例在低信噪比和短突发时间条件下，能够大大降低16QAM调制信号的虚警率并提升了16QAM调制信号的检测概率，且实现了短突发的调制信号在设定的突发时间以及信噪比情况下进行信号检测和识别。

Claims (7)

1.一种信号接收机的调制信号识别方法，所述信号接收机包括有变频器、模数转换模块、与模数转换模块通信连接的FPGA芯片以及与FPGA芯片通信连接的处理器，其特征在于，

所述变频器用于接收射频信号后完成频率变换、滤波和放大，得到中频模拟信号；模数转换模块，用于将中频模拟信号转换为中频数字信号并将其传输至FPGA芯片；FPGA芯片内设置有用于接收中频数字信号并进行数据预处理后输出基带IQ数据的通信链路，所述通信链路包括有依次通信连接的数据采集模块、去直流模块、数字正交下变频模块以及滤波抽取模块；所述处理器用于对基带IQ数据进行信号识别，其包括有依次通信连接的平滑处理模块、预处理模块、图像数据识别推理模块以及检测模块；所述调制信号识别方法包括以下步骤：

数据采集模块接收中频数字信号后，去直流模块消除所述中频数字信号中的直流分量，数字正交下变频模块去除所述中频数字信号中的载波频率，滤波抽取模块对所述中频数字信号的带宽之外的信号进行抑制以及对所述中频数字信号进行数据抽取后输出基带IQ数据至处理器；

处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，输出频域数据集；

预处理模块将频域数据集进行归一化处理，得到原始图像数据集；然后对原始图像数据集进行预处理操作，获得频域二维图像数据集；

将频域二维图像数据集输入至图像数据识别推理模块，图像数据识别推理模块对频域二维图像数据集进行信号特征提取，输出频域二维图像所对应的多个像素框组成的第一候选框集合以及每个像素框所对应的检测概率，所述像素框为多个像素点坐标组成的集合；

检测模块对第一候选框集合内的像素框进行筛选，输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框。

2.如权利要求1所述的一种信号接收机的调制信号识别方法，其特征在于，处理器内的平滑处理模块获取FPGA芯片输出的基带IQ数据，对基带IQ数据进行平滑处理，输出频域数据集，具体包括：

平滑处理模块获取FPGA模块输出的多帧基带IQ数据，所述基带IQ数据为包含多个数据点的复数数据；

对基带IQ数据中所有数据点的复数数据相加后除以数据点数，得到多个数据点的平均值，然后将每个数据点的复数数据的实虚部都减去平均值，得到每个数据点处理后的第一复数数据；

将每个数据点的第一复数数据乘以平滑权重值，得到每个数据点的平滑处理结果；

将平滑处理结果进行快速傅里叶变换，得到基带IQ数据的频域数据集，所述频域数据集内单个数据的数据格式为复数数组。

3.如权利要求2所述的一种信号接收机的调制信号识别方法，其特征在于，所述平滑权重值的获取方法，包括以下步骤：

获取基带IQ数据的存储位置信息，所述存储位置信息为基带IQ数据的行索引值；

将行索引值乘以第一映射系数，使基带IQ数据的行索引映射至第一映射区间内，得到第一映射值；然后将第一映射值除以第二映射系数，使基带IQ数据的行索引映射至第二映射区间内，得到第二映射值；

计算第二映射值的余弦值，再将余弦值乘以第一预设值后与第一预设值之间的差值，所述差值为平滑权重值。

4.如权利要求3所述的一种信号接收机的调制信号识别方法，其特征在于，预处理模块将频域数据集进行归一化处理，得到原始图像数据集，具体包括：

对频域数据集内每个复数数据进行绝对值处理；

查找经绝对值处理后的频域数据集内的最小值数据，再将频域数据集内每个数据减去最小值，得到第一频域数据集；

查找第一频域数据集内的最大值数据，再将频域数据集内每个数据除以最大值后取整数，得到第二频域数据集；

将第二频域数据集输入至图像数据转换组件，得到原始图像数据集，所述原始图像数据集为复数数据集。

5.如权利要求4所述的一种信号接收机的调制信号识别方法，其特征在于，对原始图像数据集进行预处理操作，获得频域二维图像数据集，具体包括：

将所述原始图像数据集输入至仿射变换矩阵组件，建立原始图像数据集中各像素点坐标与目标图像像素点坐标之间的变换关系，并输出原始图像像素点的坐标信息以及像素值；

根据原始图像的像素点坐标信息以及像素值，进行插值计算，获得目标图像像素点的坐标值和像素值，然后将目标图像像素点的像素值归一化到预设范围内。

6.如权利要求5所述的一种信号接收机的调制信号识别方法，其特征在于，将频域二维图像数据集输入至图像数据识别推理模块，图像数据识别推理模块对频域二维图像数据集进行信号特征提取，输出调制信号所对应的多个检测框以及每个检测框所对应的检测概率，具体包括：

利用图像数据识别推理模块对频域二维图像进行信号特征提取，提取的信号特征包括信号的类别、带宽、中心频率、持续时间以及信号持续中间时刻；

根据信号的带宽、中心频率、持续时间以及信号持续中间时刻，确定检测框宽高和检测框角点位置后建立检测框并输出检测框对应的检测概率。

7.如权利要求6所述的一种信号接收机的调制信号识别方法，其特征在于，检测模块对第一候选框集合内的像素框进行筛选，输出检测概率最大的像素框以及与检测概率最大的像素框之间的交并比小于预设阈值的像素框，具体包括：

检测模块从第一候选框集合中选取检测概率大于检测概率阈值的像素框作为第二候选框集合，将第二候选框集合中的所有像素框按照检测概率大小进行排序，选取第二候选框集合中检测概率最大的像素框作为检测框，选取第二候选框集合内检测概率非最大的像素框作为被检测框集合；

计算检测框与被检测框集合内的像素框之间的交并比，若交并比大于预设阈值，则将被检测框集合内的像素框删除；若交并比小于预设阈值，则保留被检测框集合内的像素框；按照上述方法依次对检测框与被检测框集合内所有的像素框进行交并比检测，直至被检测框集合中所有被检测框被检测完毕为止，最后输出检测框以及被检测框集合内与检测框之间交并比小于预设阈值的被检测框。