基于改进卷积神经网络的调制方式识别

摘要：

针对调制识别方法中卷积神经网络复杂度高,网络训练时间较长等问题,提出了一种基于改进卷积神经网络的调制信号识别模型.在卷积神经网络提取信号空间特征的基础上,通过门控循环单元直接对卷积神经网络的调制信号时序进行深层特征提取,以提高模型对原始数据的特征提取和降维能力,结合全连接层的维度映射,最终实现信号的调制方式识别.实验结果表明,网络训练达到稳态时,该方法能在缺少信道和噪声等先验信息条件下有效识别QPSK、16QAM和64QAM等11种调制类别.相比于传统的卷积神经网络算法,该方法的识别性能得到了进一步提升,同时网络复杂度降低,节省了网络训练时间.

关键词：调制识别、卷积神经网络、门控循环单元、深度学习

所属期刊栏目：50

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;泰山学者工程专项

在线出版日期：2022-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1980-1985,2024