一种基于深度学习的电磁信号建模与调制识别新方法

作者：陶冠宏; 廖开升; 周林

来源：电子信息对抗技术, 2019, 34(05): 10-15.

• 深度学习
• 卷积神经网络
• 调制识别

随着各类无线电设备的广泛使用,电磁环境中的辐射源种类、数量越来越多,电磁频谱越来越拥堵,不同用途的电磁信号在时、空、频域相互交叠。要从如此复杂电磁环境中对不同辐射源进行有效地分类识别变得愈发困难。针对传统的电磁信号表征方法在面对复杂信号的时候其表达能力有限的问题,提出了一种基于深度学习的电磁信号建模与调制识别新方法,该方法通过二维图像对电磁信号进行表征,利用卷积神经网络层次化地理解和识别电磁信号,实现对BPSK、QPSK、8PSK、PAM4、QAM16、QAM64、CPFSK、GFSK调制方式识别,识别准确率优于85%,单信号的识别时间0.1ms。