基于循环谱和深度神经网络的调制识别算法

作者：葛战; 伍警; 李兵; 蒋鸿宇; 周劼

来源：无线电工程, 2022, 52(10): 1718-1725.

• 深度神经网络
• 调制识别
• 循环谱
• 卷积神经网络

针对通信调制信号的循环谱存在数据量大、采用神经网络训练耗时等问题，提出了一种联合自编码器(Auto-Encoder, AE)和卷积神经网络(Convolutional Neural Network, CNN)同时完成数据降维和调制识别的算法——AE-CNN。该算法以循环频率轴的投影作为输入，采用AE实现对数据压缩，并将AE隐层输出至CNN,通过联合训练实现对6种不同信号的调制识别。同时分析了基于CNN、主成分分析(Principal Component Analysis, PCA)和AE三种方法的识别性能。实验结果表明，与基于PCA和AE的算法相比，AE-CNN的识别性能分别提高了约1.6%和2.1%;相对于基于CNN的方法能够大幅减少训练时间，并在识别性能上提升约1.2%。

• 单位
  中国工程物理研究院电子工程研究所