基于多通道联合学习的自动调制识别网络

摘要：

自动调制识别技术不仅可以提高频谱资源的利用率,而且是有效鉴别用户合法身份的方式之一.为进一步提高识别算法的性能,文章考虑幅度和相位特征之间的联系,提出了一种新的非对称多通道联合学习网络.该网络将幅度、相位以及两者的联合矩阵作为多通道输入端,在不改变参数量和计算速度的前提下利用非对称联合学习模块,较好地提取调制信号的幅度和相位中同质和异构特征,来实现自适应调制编码.实验结果表明,与其他深度学习网络相比,文章所提网络在基准开源数据集RadioML2016.10a 和 RadioML2016.10b 上分别实现了 91.73％和 93.36％的识别精度.

关键词：深度学习、自动调制识别、卷积神经网络、联合学习

所属期刊栏目：23

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：20-29