当前自动调制分类采用的深度学习模型存在参数量与计算量大的问题。本文根据连续采样同相正交信号特点，提出了一种轻量且高效的深度网络结构，通过构造方向滤波器，首先提取相位特征，再提取时域特征，最后利用通道特征均值分类。采用RML2018通信信号分类数据集进行验证，当信噪比＞0dB时，准确率超过60%，信噪比≥10dB时，准确率超过90%；与VGG、ResNet、CLDNN等主流深度模型相比，达到相同准确率时，仅用20%左右的模型参数和50%左右的推理时间，更适合应用于空间认知通信系统。
科研之友
微信
新浪微博
Facebook
分享链接
