基于深度神经网络的数字信号调制类型自动识别方法

• 作者: 丁锡龙 金乾坤
• 来源期刊: 湘潭大学自然科学学报
• 学科: 工学
• 关键词: 调制方式识别 深度神经网络 高斯白噪声 衰落信道 多普勒频移
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 机械工程与电子工程
• 页码范围: 70-74
• 页数: 5页
• 分类号: TP391
• 字数: 3424字
• 语种: 中文

摘要

针对在莱斯衰落信道下传统神经网络数字信号调制识别准确率会有所降低的问题,提出了一种基于深度神经网络技术的数字信号调制类型自动识别方法.该方法从接收信号样本中提取了多组特征参数作为分类器输入,用于识别4ASK,BPSK,QPSK,8PSK,16QAM和32QAM这些数字调制信号.此外,分类器采用了具有三个隐藏层的全连接深度神经网络结构.仿真结果表明,分别在加性高斯白噪声和莱斯衰落信道下,提出的方法与现有分类方法相比具有较好的性能改进,尤其是在具有较高多普勒频率时.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金乾坤	北京理工大学软件学院	18	448	10.0	18.0