| 残差膨胀卷积结构下的多模态特征调制方式识别 |
| |
| 引用本文： | 左晓亚,张俊杰,姚如贵,樊晔,蒋丽凤.残差膨胀卷积结构下的多模态特征调制方式识别[J].信号处理,2023(11):2013-2021. |
| |
| 作者姓名： | 左晓亚 张俊杰 姚如贵 樊晔 蒋丽凤 |
| |
| 作者单位： | 1. 西北工业大学电子信息学院;2. 中国空间技术研究院 |
| |
| 基金项目： | 国家自然科学基金（61871327,61701407,61801218）；;中央高校基本科研业务费资助项目（D5000210692）；;广东省基础与应用基础研究基金（2021A1515110077）；;陕西省自然科学基础研究计划资助项目（2022JQ-637）； |
| |
| 摘 要： | 自动调制方式识别技术在通信领域有着不可或缺的作用，针对传统的卷积神经网络在信号分类问题中特征提取能力不足的问题，本文研究了一种利用多维度特征的端到端双流膨胀卷积神经网络来对调制信号进行分类的方法。该方法不仅利用原始采样信号，还利用输入信号的瞬时幅度和相位信息；原始IQ(In-phase and Quadrature, IQ)数据输入进神经网络后，网络首先通过内置的数据预处理模块对输入的IQ信号进行预处理，提取原始信号的幅度和相位信息，再将原始IQ信号和幅度相位两种特征信息分别通过两个并行的卷积神经网络结构分别进行特征提取；本文所设计的双流卷积神经网络模型中的膨胀残差网络分支利用卷积核的膨胀卷积特性，将膨胀卷积与残差网络结构相结合，在网络参数不变的情况下使得卷积核具有更大的感受野，同时也能够更好地结合上下文信息，另一个网络分支是将卷积神经网络与长短期记忆神经网络相串联，然后将两个并行卷积神经网络的输出特征向量进行矩阵相乘达到两种特征信息融合的目的。整个识别过程是基于端到端的，数据预处理模块内嵌到神经网络内部，由神经网络完成对数据的预处理，只需将原始的IQ数据直接送入神经网络即可；仿真实验...
|
| 关 键 词： | 调制方式识别 膨胀卷积 双流卷积神经网络 |
|
|
