一种基于注意力机制卷积神经网络模型的自动调制识别算法

作者：殷赞; 王超杰^*; 程子恒; 陈渤; 甄卫民; 靳睿敏; 杨会贇

来源：电波科学学报, 2023, 38(05): 773-779.

• 自动调制识别
• 卷积神经网络(CNN)
• 注意力机制
• 低信噪比(SNR)

自动调制识别是通信识别、电子侦察、干扰检测等领域中重要的环节.针对低信噪比（signal-tonoise ratio, SNR）条件下自动调制识别准确率不高的问题，构建了一种基于注意力机制的卷积神经网络（convolutional neural network, CNN）调制识别模型（sequential convolution-based attention model, SCAM），用于处理原始I/Q序列信号从而进行调制识别.通过在一维CNN模型中引入注意力机制，SCAM能够有效地在低SNR条件下提取原始I/Q序列信号中的特征信息，再通过特征融合的方式对多域特征信息进行联合提取，并将融合后的特征用于调制识别，从而提升了自动调制识别的准确率.对比传统CNN模型，开源数据集RML2016.10a上不同SNR环境条件下的调制识别实验表明，本文提出的SCAM模型能取得更高的调制类型识别准确率.

• 单位
  中国电波传播研究所; 西安电子科技大学