基于深度学习的自动调制分类
近几年,深度学习已经开始应用于通信领域.为了能够对调制信号进行更加精确的自动分类,本文从各调制信号的调制特征不同与调制信号时序相关性的角度出发,提出了基于卷积神经网络和门控循环单元网络的自动调制分类方法.根据卷积神经网络的特征提取能力和门控循环单元网络对前后信息符号时序性的记忆能力来对原始调制信号的I/Q分量进行处理.输入数据先经过批标准化处理,然后依次进入卷积层、最大池化层、丢弃层、门控循环单元和全连接层,最后输出分类类别.通过构建网络结构以及调整网络参数,使网络达到自动分类更加精确的目的,实验测试结果显示,与只使用卷积神经网络的分类方法进行比较,本文网络结构的分类准确度从74.9%提高到了86%.
自动调制分类、深度学习、卷积神经网络、门控循环单元
41
TN911.7
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
131-136