基于多通道残差网络与注意力机制协作的调制分类

作者：邹波蓉; 李姗姗^*; 叶沛然; 侯庆华; 武会斌

来源：河南理工大学学报(自然科学版), 2023, 42(01): 160-167.

DOI：10.16186/j.cnki.1673-9787.2021120081

• 调制分类
• 深度学习
• 卷积神经网络
• 残差网络
• 注意力机制

为了更加充分地提取调制信号特征，构建一种多通道残差网络与注意力机制协作的调制分类方法。首先设计一个各通道均不相同的多通道结构，确保提取的信号特征更加多样；其次，将每个通道提取的特征利用concatenate层进行融合，增强描述信号特征；之后，结合残差网络的优势，显著增加网络深度，捕获更具代表性的特征，同时缓解深层网络带来的梯度消失问题；最后，为了使提取的特征更加易于分类，引入注意力层，对提取特征重新校准，以捕获更加关键的特征，增加信号分类准确率。在公共数据集RadioML 2016.10 b上进行实验。仿真结果表明，该网络的分类性能优于许多文献中的分类器，当信噪比14 dB时，分类精度达到93.23%，证明了此网络的可行性与有效性。

• 单位
  商丘工学院; 电子信息工程学院; 中原工学院信息商务学院; 河南理工大学