基于深度学习的井下信号调制识别研究

作者：王安义; 王煜仪^*; 李立

来源：煤炭技术, 2022, 41(04): 112-115.

DOI：10.13301/j.cnki.ct.2022.04.027

• 调制识别
• Nakagami-m衰落信道
• 深度学习
• 深度神经网络

为识别矿井Nakagami-m衰落信道下的无线信号调制方式，研究了基于深度学习的端到端调制识别方法。首先对接收端IQ信号提取实部和虚部数据作为数据集，并搭建组合深度神经网络模型(CLDNN)对11种井下无线信号进行识别。仿真结果表明，当信噪比(SNR)为0时，平均正确识别率为75.3%，当SNR为5 dB以上时，平均正确识别率可达到92.4%以上，相比于经典的深度学习调制识别方法，所提出的端到端深度神经网络模型可以更准确识别矿井无线信号。

• 单位
  通信与信息工程学院; 西安科技大学