基于时空特征融合的水声信号调制识别

作者：吴承安; 赵文龙; 王景景^*

来源：青岛科技大学学报(自然科学版), 2023, 44(04): 120-126.

DOI：10.16351/j.1672-6987.2023.04.016

• 水声信号
• 调制识别
• 混合神经网络
• 特征融合

复杂的水下信道环境和严重的噪声干扰给接收机正确识别调制方式带来巨大挑战。为解决该问题，结合门控循环单元(gated recurrent unit, GRU)和残差神经网络(residual network, ResNet)的自动特征提取和学习能力，设计了一种基于混合神经网络的时空特征融合模型，称为门控和残差融合模型(GRU and ResNet fused model, G&RFM)。与传统的调制识别技术相比，该方法无需人工提取特征，就能获得较高的识别精度。实验结果表明，所提出的G&RFM在南海数据集上的验证准确率为98.31%。与改进前的网络模型相比，本工作所提出的G&RFM具有更高的识别精度，有效提升了神经网络学习性能。

• 单位
  青岛科技大学