|
|||||
|
|
| 基于注意力机制的门控密集卷积网络调制识别算法 | |
| 作者姓名： | 杨驰 龚晓峰 雒瑞森 |
| 作者单位： | 四川大学电气工程学院 |
| 基金项目： | 四川省重点研发计划项目（2020YFG0051）;国家自然科学基金项目（61876114）;校企合作项目 19H1121,19H0355 |
| 摘 要： | 自动调制识别(AMR)是非合作通信系统中的重要组成部分,也是一个通信领域的研究难点。针对该难点,利用深度学习,将密集卷积网络(DenseNet)、门控循环单元(GRU)和注意力机制(Attention)三者结合,提出一种基于注意力机制的门控密集卷积网络(AGDCN)的调制识别算法。该算法提取了信号的空间特征和时序特征,将两者相结合解决了信号识别率低的问题。同时,在网络中加入注意力机制,对GRU训练过程进行权重的自适应调整,有效地加强关键特征的学习。通过实验验证了AGDCN模型性能优于其他神经网络算法,在信噪比超过2 dB时,对11种调制类型的识别率可以达到90%。 |
| 关 键 词： | 自动调制识别 深度学习 密集卷积网络 门控循环单元 注意力机制 |