一种信号调制识别网络的轻量化设计

作者：邵凯; 朱苗苗

来源：电讯技术, 2022, 1-9.

• 信号调制识别
• 深度学习
• 失真校正模块
• 轻量级

神经网络在信号调制识别领域得到广泛关注和研究。针对现有调制识别算法为提高识别准确率，导致模型尺寸过大、计算时间过长的问题，提出了一种调制识别神经网络的轻量化设计方案。该方案由信号失真校正模块和分类模块两部分组成。其中，信号失真校正模块通过参数估计器提取相位偏移信息，再经参数转换器对相位偏移进行参数校正，保证信号识别精度。分类模块由一维卷积神经网络(One-Dimensional Convolutional Neural Network，1D-CNN)、选通递归单元(Gated Recurrent Unit，GRU)和高斯衰减层构成，从时间和空间的角度有效提取信号特征，并减少冗余参数量以缩减模型大小。仿真结果表明，所提方案与同精度网络相比，平均识别准确率提升0.21%，计算时间缩减到1/3.4，模型尺寸缩减到1/7.77。

• 单位
  通信与信息工程学院; 重庆邮电大学