基于GRU-CNN并联神经网络的自动调制识别

作者：向建; 高勇^*

来源：电讯技术, 2021, 61(11): 1339-1343.

• 非合作通信系统
• 自动调制识别
• 并联神经网络
• 门控循环单元
• 卷积神经网络

为提高非合作通信系统的调制方式识别准确率,提出了一种基于并联门控循环单元(Gated Cycle Unit, GRU)神经网络和卷积神经网络(Convolutional Neural Network, CNN)的数字通信信号识别方法。根据调制信号的特性,将笛卡尔坐标下的原始数据转换到极坐标下,同时求原始数据的自相关序列,作为输入数据分别送入GRU和CNN网络中。对含BPSK、QPSK、8PSK、π/4-DQPSK以及四类QAM调制信号集合进行的实测信号实验结果表明,所提方法在低信噪比下能取得较好的识别性能,在0 dB时平均识别率接近90%。

• 单位
  四川大学