基于数据增强和特征嵌入的自动调制识别

作者：谭凯文^*; 闫文君; 宫跃; 张婷婷

来源：电讯技术, 2023, 63(07): 927-932.

DOI：10.20079/j.issn.1001-893x.220304002

• 自动调制识别
• 卷积神经网络
• 生成式对抗网络
• 注意力机制
• 数据增强

基于端到端的深度学习模型已经被广泛应用于自动调制识别。现有的深度学习方案大多数依赖于丰富的样本分布，而大批量的标记训练集通常很难获得。提出了一种基于数据驱动和选择性核卷积神经网络(Convolutional Neural Network, CNN)的自动调制识别框架。首先开发深度密集生成式对抗网络增强5种调制信号的原始数据集；其次选择平滑伪Wigner-Ville分布作为信号的时频表示，并将注意力模块用于聚焦时频图像分类中的差异区域；最后将真实信号输入轻量级卷积神经网络进行时间相关性提取，并融合信号的时频特征完成分类。实验结果表明，所提算法提高了在低信噪比情况下的识别精度，表现出较强的鲁棒性。