基于深度学习的无线通信信号检测与识别研究

作者：梁晶; 杨晶晶^*; 黄铭

来源：无线电工程, 2023, 53(03): 611-618.

• 信号检测
• 信号识别
• 卷积注意力模块
• 长短期记忆网络
• 时间卷积网络

现有的无线电监测系统中信号检测和信号识别是分开研究的，缺乏将二者结合起来实现智能监测的文献报道。基于此，实现了分别将卷积注意力模块(Convolution Block Attention Module, CBAM)与长短期记忆(Long Short-Term Memory, LSTM)网络和时间卷积网络(Temporal Convolutional Network, TCN)结合起来通过二分类进行信号检测，以及基于多分类进行信号识别的级联方法，分类模型为CBAMLSTM和CBAMTCN。对于RadioML2016.10a数据集，仿真结果表明，与能量检测(Energy Detection, ED)、深度神经网络(Deep Neural Network, DNN)、卷积神经网络(Convolutional Neural Network, CNN)、LSTM和TCN比较，二分类模型在低信噪比下的检测性能有所改善；在高信噪比下多分类模型比基线模型的识别准确度提高5%～9%。表明分类算法在信号类型和噪声特性已知的前提下，可用于无线信号检测和识别。

• 单位
  云南大学