基于深度残差网络的自动调制识别方法研究
2021-11-18张婷婷方宇强
计算机仿真 2021年1期
张婷婷,方宇强,韩 蕾
(1. 北京特种工程设计研究院,北京 100028;2. 电子信息系统复杂电磁环境效应国家重点实验室,河南 洛阳 471003;3. 航天工程大学,北京 101416)
1 引言
通信信号调制识别就是通过对接收信号进行一系列信号处理后获取信号的调制方式的过程,其基本目的是为选择合适的信号解调器提供依据;自动调制识别在军事和民用领域上均具有一定的意义和价值,一直是研究的关注热点。目前常见的方法多采用“人工特征”结合统计模式分类器的方式实现识别过程,这种方式对信号特征的提取依赖于专家的人工设计,如常用的正交变换、高阶累积量、延时相关和瞬时自相关特性等[1],然后对特征进行分类。近年来,这种“人工特征”的方法在语音、图像识别领域已经逐渐被以深度学习为代表的自动特征学习或表示学习方法所取代,基于数据本身,利用深度神经网络得到特征表示和分类的端到端模型已经成为发展的趋势[2]。而今年来利用深层神经网络对自动调制识别的研究也逐渐兴起,如文献[3-6]采用经典的卷积神经网络实现了调制方式的识别并得到了较好的识别效果。但是从递归、卷积等结构多角度的考虑电磁信号序列表示问题的研究相对较少。为此,本文针对信号调制识别的深层神经网络方法开展研究,对序列信号表示的递归神经网络、卷积神经网络等不同网络结构的表示能力进行研究,并提出基于双向GRU网络和深度残差网络的自动调制识别方法。……
登录APP查看全文
