10.16526/j.cnki.11-4762/tp.2020.07.044
基于卷积神经网络的通信信号调制识别研究
针对传统人工提取专家特征来进行通信信号识别的方法存在局限性大、低信噪比下准确率低的问题,提出一种复基带信号与卷积神经网络自动调制识别相结合的新方法;该方法将接收到的信号进行预处理,得到包含同相分量和正交分量的复基带信号,该信号作为输入卷积神经网络模型的数据集,通过多次训练调整模型结构以及卷积核、步长、特征图和激活函数等超参数,利用训练好的模型对通信信号进行特征提取和识别;实现了对2FSK、4FSK、BPSK、8PSK、QPSK、QAM16和QAM64七种数字通信信号类型的识别分类;实验结果表明,当信噪比为0 dB时,七种信号的平均识别准确率已达94.61%,验证了算法是有效的,且在低信噪比条件下有较高的准确率.
调制信号识别、数字通信信号、卷积神经网络、深度学习
28
TN911.7
2020-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
220-224