基于DropBlock双模态混合神经网络的无线通信调制识别

摘要：

自动调制识别作为信号检测和解调的中间步骤,在无线通信系统中起着至关重要的作用.针对现有自动调制识别方法识别精度低的问题,提出了一种双模态混合神经网络(bimodal hybrid neural network,BHNN),该网络利用多个模态中包含的互补增益信息来丰富特征维度.将改进的残差网络与双向门控循环单元并行连接,构建双模态混合神经网络模型,分别提取信号的空间特征与时序特征.引入DropBlock正则化算法,有效抑制网络训练过程中过拟合、梯度消失和梯度爆炸等对识别精度的影响.以双模态数据输入,充分利用信号的空间与时序特征,通过并行连接减少网络深度,加速模型收敛,提高调制信号的识别精度.为验证模型的有效性,采用两种公开数据集对模型进行仿真实验,结果表明,BHNN在两种数据集上识别精度高、稳定性强,在高信噪比下识别精度分别可达89％和93.63％.

关键词：调制识别、双模态混合网络、DropBlock正则化、ResNet、BiGRU

所属期刊栏目：38

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金No.U19B2015

在线出版日期：2022-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：75-86