-
题名通道门控Res2Net卷积神经网络自动调制识别
被引量：3
- 1
-
-
作者
陈昊
郭文普
康凯
-
机构
火箭军工程大学作战保障学院
-
出处
《电讯技术》
北大核心
2023年第12期1869-1875,共7页
-
文摘
针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Res2Net)、压缩与激励网络(Squeeze-and-Excitation Network,SENet)和长短期记忆(Long Short-Term Memory,LSTM)网络组成,通过卷积从原始I/Q数据中提取多尺度特征,结合门控机制对特征通道进行权重调整,并利用LSTM对卷积所得特征进行序列建模,确保数据特征被有效挖掘,从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明,所提模型在信噪比为12 dB时识别精度为92.68%,在信噪比2 dB以上时平均识别精度大于91%,较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。
-
关键词
自动调制识别
卷积神经网络
压缩与激励网络
多尺度残差网络
长短期记忆网络
-
Keywords
automatic modulation recognition
convolutional neural network
squeeze-and-excitation network
multi-scale residual network
long short-term memory network
-
分类号
TN911.3
[电子电信—通信与信息系统]
TN971
[电子电信—信号与信息处理]
-
