基于时频分析的深度学习调制识别算法

作者：张斌; 刘凯; 赵梦伟

来源：工业控制计算机, 2020, 33(05): 66-71.

• 深度复值网络
• 卷积神经网络
• 双向长短时记忆
• 调制识别

基于深度学习的图像处理方法能够对输入图像提取空间数据的特征。频率随时间的变化是具有不同调制类型的无线电信号之间最重要的区别,因此提出了基于时频分析的深度学习调制识别算法,用于检测通信系统中的无线电信号。首先使用短时离散傅立叶变换(Short-Time Discrete Fourier Transform,STFT)将一维无线电信号转换为频谱图图像;然后复值卷积层提取图像多维度特征;接着级联双向长短时记忆(Bidirectional Long Short-Term Memory,BiLSTM)层对这些特征继续提取高维度特征;最后送入全连接层并使用Softmax分类器进行分类。仿真实验表明所提出的以频谱图图像作为信号表示的深度学习调制识别算法比现有的基于深度学习的算法具有更好的识别精度,在信噪比低至8dB时,该算法对11种调制信号的识别率可达84%上。

• 单位
  上海大学; 通信与信息工程学院