基于卷积长短时深度神经网络的信号调制方式识别方法 |
| |
引用本文: | 杨海宇,郭文普,康凯.基于卷积长短时深度神经网络的信号调制方式识别方法[J].计算机应用,2023(4):1318-1322. |
| |
作者姓名: | 杨海宇 郭文普 康凯 |
| |
作者单位: | 火箭军工程大学作战保障学院 |
| |
摘 要: | 针对信号调制方式识别计算复杂度高、低信噪比(SNR)条件下识别率较低、网络结构相对单一的问题,提出一种基于卷积长短时深度神经网络(CLDNN)的信号调制方式识别方法。首先,采用基准开源数据集RadioML2016.10a,对该数据集做同相正交(I/Q)数据转换,并将得到的结果作为网络输入;其次,构建CLDNN模型,模型分为三层卷积神经网络(CNN)、两层长短期记忆(LSTM)网络和两层全连接网络(FCN);最后,对所提模型进行训练及测试,得到分类结果。实验结果表明,对11种信号在不同SNR下进行调制方式识别时,与现有的单一网络结构模型如残差神经网络(RES)模型、CNN模型和残差生成对抗网络(RES-GAN)模型进行对比,随着SNR的提升,CLDNN模型的识别准确率也随之提高,且CLDNN模型的识别准确率均高于其他3种对比模型,当SNR在4 dB以上时,达到了92%。
|
关 键 词: | 调制方式识别 深度学习 卷积神经网络 长短期记忆网络 深度神经网络 |
|
|