基于深度学习注意力机制的调制识别方法

作者：杜志毅; 张澄安; 徐强; 李保国

来源：航天电子对抗, 2021, 37(05): 44-48.

DOI：10.16328/j.htdz8511.2021.05.009

• 注意力机制
• 双向LSTM
• 深度学习
• 调制识别

针对传统信号调制识别方法对信号复杂调制方式难以识别的问题,提出一种基于注意力机制的双向LSTM卷积神经网络(BLACN),利用卷积神经网络优秀的特征提取能力,实现对复杂调制方式识别特征的提取。并通过注意力机制和双向LSTM关注信号的关键特征与时序信息来提高信号的识别准确率。仿真实验表明,BLACN在信噪比(SNR)为2 dB时可以达到90%的识别准确率,相比于传统CNN神经网络准确率提高7%,证明提出的方法是有效可行的。

• 单位
  国防科技大学