基于特征融合的自动调制识别方案设计

作者：陈昱帆; 邵尉; 李淑丰; 彭云飞

来源：通信技术, 2020, 53(10): 2404-2410.

• 自动调制识别
• 特征融合
• CNN
• LSTM
• 注意力机制

自动调制识别(AMC)是目前各种通信场景中信息获取的前提,由于无线通信过程中的干扰等因素,致使自动调制识别几十年以来一直是一个通信领域的研究难题。针对该难题提出了一种新型深度学习特征融合方案,该方案包含两个分支模型,第一个分支模型为基于注意力机制的双向长短时记忆模型(Attention mechanism based BiLSTM, AMb BiLSTM),该模型从IQ数据中提取信号的幅度相位信息,并使用BiLSTM双向提取信号的语义信息。第二个分支模型为基于多尺度特征提取技术的卷积神经网络(Multi-scale feature extraction CNN, MFE CNN),该模型通过提取IQ数据的浅层特征和深层特征,很好地学习到数据之间的重复特征(Local repeat features)。该方案结合了上述两种模型的优势。通过开源数据集RML2016.10a的验证,证明了所提方案的先进性。

• 单位
  中国人民解放军陆军工程大学