基于VGGNet模型的数字调制信号识别.docx

基于VGGNet模型的数字调制信号识别

摘要：传统的调制识别方法在特征提取过程中依赖于人工经验且在低信噪比的条件下表现不佳，因此本文提出一个基于VGGNet卷积神经网络模型的调制识别算法，本文提出的算法能取代手工设计数字信号的特征和提高在较低的信噪比条件下的识别率。该算法首先将采集到的通信信号数据转换为灰度图像，然后对PyTorch下建立的VGGNet模型进行训练，自动提取并选择六种数字调制信号的特征，从而实现数字调制信号的自动识别。仿真结果表明，该方法在信噪比为-2dB时识别率可达98%以上，优于支持向量机等算法的识别结果，验证了该方法在低信噪比条件下对数字调制信号识别的有效性。

关键词