10.16526/j.cnki.11-4762/tp.2018.08.050
基于深度卷积神经网络的数字调制方式识别
针对非协作通信条件下信号调制方式识别问题,提出了一种基于深度神经网络的调制方式自动识别新方法;该方法对接收到的信号进行预处理,生成星座图,并将星座图形状作为深度卷积神经网络的输入,根据训练好的网络模型对调制信号进行分类识别;与以往的识别方法相比,该方法利用卷积神经网络自动学习各种数字调制信号的星座图特征,克服了特征提取困难,通用性不强,抗噪声性能差等缺点,处理流程简单,并对星座图的形变具有不敏感性;针对4 QAM、16 QAM和64 QAM三种典型的数字调制方式,进行了仿真实验,当信噪比大于4时,调制方式的识别正确率大于95%,实验结果表明,基于深度卷积神经网络的信号调制方式识别方法是有效的.
调制方式识别、深度学习、卷积神经网络、星座图
26
TN911.6
2018-09-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
222-226