王爱丽 张佳炜 姜开元 吴海滨 岩崛祐之

摘要：随着人工智能技术的快速发展，卷积神经网络越来越多地应用到通信信号调制识别领域。针对数字信号在低信噪比的识别准确率较低的问题，采用InceptionResNetV2网络与迁移适配相结合的方法，研究了一种调制识别模型，称之为InceptionResnetV2-TA，对MPSK信号的调制方式进行识别。结果表明，信噪比为3 dB 9t，1nceptionResnetV2-TA对BPSK的识别率达到99.33%，比次优模型InceptionResNetV2高出3%，，对QPSK的识别率达到95.33%，比InceptionResNetV2高出2%。对8PSK的识别率达到86.33%，比InceptionResNetV2高出5%。综上，结合3迁移适配的In-ceptionResnetV2-TA，对BPSK、QPSK和8PSK在低信噪比的识别准确率高于其他对比方法。同时验证了这种调制识别模型的有效性。

关键词：调制识别;卷积神经网络;迁移适配InceptionResNetV2

DOI：10.15938/j.jhust.2021.05.013

中图分类号：TP391.4 文献标志码：A 文章编号：1007-2683（2021）05-0097-07

0 引言

无线通信技术的发展，经历了由模拟到数字、由单一到多元的多个阶段，针对不同的应用场景，随之衍生出多种不同类型的信号调制方式。如今无线通信手段日趋多样化，电磁环境日渐复杂。在协作通信条件下，确定信号的调制方式是获取通信信号内容的基础;在非协作环境中，调制识别作为信号检测与信号解调之间的一项技术，其主要目的是确定待检信号的调制方式，也是后续估计待检信号参数（如载波频率、码元速率等）的决定性前提。调制识别在民用与军事领域有着广泛的应用。

近年来，深度学习被引入到数字信号调制识别的研究中。牛国庆等[1]提出了一种将反向传播神经网络和决策树相结合的调制识别技术，该技术具有较高的平均识别率。……