基于特征融合的自动调制识别方案设计

摘要：

自动调制识别(AMC)是目前各种通信场景中信息获取的前提,由于无线通信过程中的干扰等因素,致使自动调制识别几十年以来一直是一个通信领域的研究难题.针对该难题提出了一种新型深度学习特征融合方案,该方案包含两个分支模型,第一个分支模型为基于注意力机制的双向长短时记忆模型(Attention mechanism based BiLSTM,AMb BiLSTM),该模型从IQ数据中提取信号的幅度相位信息,并使用BiLSTM双向提取信号的语义信息.第二个分支模型为基于多尺度特征提取技术的卷积神经网络(Multi-scale feature extraction CNN,MFE CNN),该模型通过提取IQ数据的浅层特征和深层特征,很好地学习到数据之间的重复特征(Local repeat features).该方案结合了上述两种模型的优势.通过开源数据集RML2016.10a的验证,证明了所提方案的先进性.

关键词：自动调制识别、特征融合、CNN、LSTM、注意力机制

所属期刊栏目：53

分类号：TN975

在线出版日期：2020-11-10（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：2404-2410