深层卷积神经网络的自动调制识别方法 |
| |
引用本文: | 彭钰琳,文红,侯文静,石伟宏,严地宝.深层卷积神经网络的自动调制识别方法[J].通信技术,2023(6):714-718. |
| |
作者姓名: | 彭钰琳 文红 侯文静 石伟宏 严地宝 |
| |
作者单位: | 电子科技大学 |
| |
基金项目: | 四川省自然科学基金(2022NSFSC0946)~~; |
| |
摘 要: | 简述了利用深层卷积神经网络进行自动调制识别(Automatic Modulation Recognition,AMR)的进展,并结合其模型在基准数据集上的实验表明,大多数不依赖于先验知识的特征提取模型容易忽略模型参数量大、计算复杂度高的问题,因此将工作重点集中在保持高精确度的同时轻量化模型。利用多信道深度学习模型,从时间和空间的角度有效提取特征,搭建以卷积神经网络(Convolution Neural Networks,CNN)和门控循环单元(Gating Recurrent Unit,GRU)为特征提取层的深层学习框架,可以在现有高识别度模型的识别效果上有略微提升,具有高效的收敛速度,且减少了40%以上的参数体积,在训练时间和测试时间上更有优势。该方法在RadioML2016.10a数据集0 dB以上信噪比条件下的识别精度保持在90%以上。
|
关 键 词: | 自动调制识别 深度学习 卷积神经网络 轻量级 |
|
|