科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有调制方式识别存在的计算量大、网络模型复杂、识别准确率低等问题，文中提出一种基于通道融合的新型调制方式识别方法。该方法由双流卷积神经网络模块和GRU神经网络模块构成，其中双流卷积神经网络为两条并联的深度可分离卷积子网络，分别提取信号不同尺度下的空间特征，同时添加短路连接来增加特征传递与重用。将两通道提取到的特征在通道维度上进行融合，进而形成更为丰富的融合特征。将融合特征输入至GRU神经网络模块中提取信号的时序特征，提取的互补信息可使网络学习到更加全面的信号特征，从而提高调制方式识别的精度。在数据集RadioML2016.10a上进行实验，实验结果表明，所提方法的网络性能优于其他神经网络算法，信噪比在0 dB以上时识别率可达到90.8%，能够有效提高自动调制识别的准确率。
- 单位
