基于STF-Net的信号调制波形识别方法

作者：哈晖; 高翔; 姚秀娟; 付降寅; 李伟; 张晓燕

来源：北京航空航天大学学报, 2023, 1-15.

DOI：10.13700/j.bh.1001-5965.2023.0467

• 调制波形识别
• 深度学习
• STF-Net
• CNN
• LSTM

信号调制波形识别是空间频谱认知领域的关键技术之一，是实现低轨卫星频谱资源监测与管控的重要手段。针对现阶段基于深度学习的调制波形识别方法存在的参数量多、计算复杂度高等问题，提出一种基于空时融合网络（STF-Net）的轻量级信号调制波形识别方法。将信号预处理为时域-频域形式的双通道数据，通过卷积神经网络（CNN）提取信号空间特征并减少特征冗余，进而利用长短时记忆网络（LSTM）提取时序信息，输出识别结果。实验结果表明：所提方法在信噪比大于0dB时，调制波形的平均识别准确率达到91.79%；与同等方法相比，所提方法参数量降低96%，效率提升2.7倍。

• 单位
  中国科学院大学; 中国科学院国家空间科学中心; 国家无线电监测中心