基于深度学习的OFDM信号调制方式识别 |
| |
引用本文: | 任小平,眭超亚,蔡小莉,刘小勇.基于深度学习的OFDM信号调制方式识别[J].信息与电脑,2023(18):137-140. |
| |
作者姓名: | 任小平 眭超亚 蔡小莉 刘小勇 |
| |
作者单位: | 重庆化工职业学院 |
| |
基金项目: | 重庆市教委科学技术研究项目(项目编号:KJQN202104503); |
| |
摘 要: | 正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术广泛应用在各类通信系统中。信号调制方式识别对于OFDM技术十分重要,特别是在非合作通信系统中。传统的信号调制方式识别精度不高,且没有研究信噪比为0 dB以下的情况。对此,将OFDM信号看成2×N的图像,保存I、Q两路信号在空间上的特性,设计包含3个卷积层、3个全连接层的深度卷积神经网络(Convolutional Neural Networks,CNN)。将收敛后的模型用于调制方式分类,实验结果表明,所设计的深度神经网络对6种OFDM信号具有很好的识别效果。
|
关 键 词: | 正交频分复用(OFDM) 调制方式识别 卷积神经网络(CNN) 深度学习 |
|
|