基于深度学习的调制信号识别研究.pdf

基于深度学习的调制信识别研究

摘要

的断发展，各种新型调制方式层出不穷。为适应

随着通信技术不

。

不同情况下的识别要求，调制识别技术也需要不断发展近年来’基

于深度学习的调制信识别技术因其强大的自学能力而备受关注。然

一

而，目前该技术仍存在些问题。本文主要研宄两个问题：

法信复杂调制方式难以识别

首先，针对传统信调制识别方对

的问题，本文提出了一种基于注意力的多模态多通道调制信识别算

法。该算法将原始数据转换为ＡＰ格式、ＦＦＴ格式和ＩＱ格式三种模

，利用

态作为模型的输入，充分利用不同特征的相互作用和多样性并

ｔ－ｈｎｅｌＣｏｎｖｏｌｕｔｉｏｎａｌＬｏｎ

道积长期深度神经网络（Ｍｕｌｉｃａｎｇ

多通卷短

Ｓｈｏｒｔ－ｔｅｒｍＤｅｅＮｅｕｒａｌＮｅｔｗｏｒｋ，ＭＣＬＤＮＮ）中的多通道模型进行特

ｐ

。特提取模块

，避免数不平衡导致的正交关系恶化现象在征

征融合参

基可离卷积的残差网络和基于注意力机制的双向长

中，采用于深度分

ＬＴＭ）的时序特

短时记忆网络（ＢｉｄｉｒｅｃｔｉｏｎａｌＬＳＴＭ，ＢｉＳ来提取信

，，注意力机制和多头注意力机制的引入能够捕获特征间依

征同时自

、型杂

赖关系。实验表明，该算法能够提高模型的识别精度降低模复

一

度，在定程度上提高模型的训练效率。

，实环境中的小样本数据和低信噪比环境下的调制信

其次针对际

转，以提

数据，引入了对抗迁移网络来实现源域知识到目标域的移

高目标域模型的识别性能。我们提出了两种对抗迀移学习模型：基于

息耦的模型。其中，基于信

信息解耦的模型和引入多模态机制的信解

组进建模，提升了模