分离通道联合卷积神经网络的自动调制识别

• 作者: 周劼 苏建中 蒋鸿宇 郭有为
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 时域信号 自动调制识别 深度学习 卷积神经网络 分离通道
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 电子与信息工程
• 页码范围: 702-707
• 页数: 6页
• 分类号: TN911.22
• 字数: 4119字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2018.06.014

摘要

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法.该算法通过结合深度学习中卷积神经网络( CNN) ,分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类.仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18% ;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周劼	中国工程物理研究院电子工程研究所	34	129	6.0	8.0
2	蒋鸿宇	中国工程物理研究院电子工程研究所	14	58	4.0	7.0
3	苏建中	中国工程物理研究院电子工程研究所	2	6	2.0	2.0
4	郭有为	中国工程物理研究院电子工程研究所	1	3	1.0	1.0