基于AlexNet卷积神经网络的5G信号调制方式识别

作者：张清; 胡国兵; 赵嫔姣

来源：信息化研究, 2020, 46(02): 36-43.

• 调制识别
• AlexNet卷积神经网络
• 星座图
• 5G信号

针对非协作条件下信号调制识别对信号的先验信息要求较高,且人工选取特征复杂等问题,文章提出一种基于AlexNet卷积神经网络的5G信号调制方式识别算法。针对π/2-BPSK、QPSK、16QAM、64QAM、256QAM这5种常用5G信号(3GPP R15协议建议),选择其星座图作为AlexNet网络的输入特征,构建识别分类算法。仿真结果表明,该算法在15dB信噪比下对5种常用5G信号的平均识别正确率达90%,相较于已有基于信号散布图特征的识别算法,其性能更优。

• 单位
  金陵科技学院; 南京邮电大学; 电子信息工程学院