10.3969/j.issn.1674-2230.2023.01.007
基于星座图和密集连接网络的QAM信号识别
利用深度神经网络对图像数据的显著学习能力,提出了一种基于通信信号星座图和密集连接网络(DenseNet)的正交幅度调制(Quadrature Amplitude Modulation,QAM)信号调制分类算法.算法首先对接收信号进行预处理,获取训练所需的星座图数据集,然后采用DenseNet对其进行训练学习,进而实现调制分类.同时在DenseNet网络中引入通道注意力机制,进一步增强特征的学习能力,提升分类性能.对不同信号长度、不同神经网络以及存在频偏和相偏估计误差等场景进行了多组实验.仿真结果表明:DenseNet相比卷积神经网络(Convolutional Neural Network,CNN)和残差网络ResNet-20能够有效提升分类准确率;相比基于累积量、累积分布及原始IQ(In-phase and Quadrature)数据等现有方法也均取得了较优的识别性能.
密集连接网络、调制分类、星座图、注意力机制
38
TN911
国家自然科学基金NSAF;U153010137
2023-02-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
43-48