联合深度学习和专家先验特征的信号调制识别

自动调制识别在智能信号分析中起着关键作用，目前研究方法主要有专家先验特征和深度学习。这两者存在各自的优劣势，但难以有效结合实现优势互补，因此提出一种联合深度学习和专家先验特征的信号调制识别算法，提高复杂信道干扰下多种调制类别信号的识别准确率。将设计的神经网络代替决策树的分类判决门限，并结合输入的专家先验特征实现分层分类。实验表明，该算法性能要优于现有方法，在多径衰落信道下也可以取得较高的识别准确率。