张 军 符杰林* 林基明

1(桂林电子科技大学认知无线电与信息处理教育部重点实验室 广西 桂林 541004) 2(广西高校卫星导航与位置感知重点实验室 广西 桂林 541004)

0 引 言

在无线通信领域，通信调制信号的识别技术一直以来都是各国研究的热点，它在军事及民用领域有很高的使用价值。目前，调制识别技术有两大类方法：基于决策论的调制识别和基于特征工程的调制识别。前者具有完备的理论基础，但算法的理论推导复杂，且需要充分的先验知识，信号识别率不高；后者是对信号进行关键特征提取，如信号的高阶累积量[1]、循环谱特征[2]、谱特征等，然后针对不同调制信号的特征使用分类器进行分类识别。上述两类方法都需要人工参与提取特征，并且针对不同的信号通常只能提取表层的特征。因此，需要寻找一种方法，能从原始信号源中提取有利于信号识别的深层特征，而深度学习为此提供了一个强有力的框架。

文献[3-5]率先将深度学习应用至调制信号识别领域。为了使研究人员更好地研究与比较，文献[6]用GNU Radio生成具有同相和正交信息的不同调制信号的开源数据集。O’Shea等利用基带IQ信号训练不同的神经网络，合适的网络模型具有较高的识别率。文献[7]将原始IQ数据和计算所得的高阶累积量组合在一起表示调制信号，并用三层卷积层和一层长短期记忆层网络进行训练分类，但需要预先计算每个信号的高阶累积量。Li等[8]利用信号的循环谱和深度自编码器，完成了对FSK、PSK、ASK、MSK和QAM五类调制信号的识别，但需要预处理获得每个信号的循环谱信息。……