基于深度学习的数字通信信号的调制识别与参数估计.pdf

哈尔滨理工大学工学硕士学位论文

基于深度学习的数字通信信号的调制识别

与参数估计

摘要

信号的调制识别关键在于确定信号传输的调制方式，而参数估计则重点在

于准确估计信号的关键参数。这两方面的技术在通信系统中协同作用，确保系

统能适应不同的调制方式，实现准确的信号解调和处理，提高系统性能和鲁棒

性。

深度学习算法已成为信号调制识别研究中主流方向，但其在参数估计领域

应用较少。因此，本文的主要研究内容是探究利用深度学习算法来识别数字信

号和估计参数的方法和技术,具体研究内容如下：

针对深度学习应用到数字信号的调制识别与参数估计领域进行适用性分析。

分析发现数据集RML2016.10.a中存在数据长度过短和模拟信号的问题，对数据

集重新进行构建，将数据集的模拟信号剔除并扩充数据长度。

针对复杂环境下数字信号的调制识别准确率低的问题，提出将Transformer

算法应用到信号调制识别。该算法将Transformer与双分支门线性单元相结合，

进一步与卷积神经网络结合。该算法通过全局特征和局部特征融合实现对数字

信号调制方式的精确识别。仿真结果表明，改进后的算法对数字信号调制方式

的整体识别准确率比对比算法高出3%~7%。

针对传统方法主要对某种或某类特定的信号进行参数估计的问题，提出将

深度学习的目标检测算法引入到数字信号的参数估计解决传统方法的此类问题。

设计了基于YOLOv7的参数估计算法，针对YOLOv7的特征提取模块进行优

化，并结合坐标注意力机制来提高模型性能，对数字信号的起始频率、带宽、中

心频率三种参数进行估计。仿真结果表明，改进后的算法对数字信号的参数估

计误差比对比算法要低1%~3%。

关键词调制识别；参数估计；Transformer；YOLOv7

-I-

哈尔滨理工大学工学硕士学位论文

Modulationrecognitionandparameterestimation

ofdigitalcommunicationsignalsbasedon

deeplearning

Abstract

Thekeyofsignalmodulationidentificationistodeterminethemodulationmode

ofsignaltransmission,whilethekeyparameterestimationistoaccuratelyestimatethe

keyparametersofthesignal.Thesetwotechnologiesworktogetherinthe

communicationsystemtoensurethatthesystemcanadapttodifferentmodulation

modes,achieveaccuratesignaldemodulationandprocessing,andimprovesystem

performanceandrobustness.

Deeplearningalgorithmhasbecomethemainstreamofsignalmodulation

recognitionresearch,butitisrarelyusedinparameterestimation.Therefore,themain

researchcontentofthispaperistoexplorethemethodsandtechniquesofusingdeep

learningalgorithmstoidentif