一种用于自动调制识别的GR-ResNet方法

作者：胡文勇; 童强; 王兵

来源：中国无线电, 2023, (05): 65-69.

• 调制识别
• 深度学习
• GR-ResNet
• 特征提取

深度学习由于不需要大量先验知识和手工提取特征，在信号调制识别中优势明显。目前常用的卷积神经网络在提取信号时序信息时存在局限性，循环神经网络在加深网络层数时存在梯度消失和梯度爆炸的问题，导致调制识别的准确率不高。针对以上问题，本文提出了一种新的门控循环残差网络（GR-ResNet），该网络采用并行结构能同时处理时序信息和空间信息，采取在堆叠循环神经网络中增加短路连接的方式，抑制梯度消失和网络退化的问题，加深了循环神经网络的层数，从而提升了识别的准确率。实验结果表明，在信噪比为-6dB至18dB的范围内，相对于ResNet网络，GR-ResNet的调制识别准确率提高了5.07%。

• 单位
  成都点阵科技有限公司