基于AlexNet卷积神经网络的5G信号调制方式识别

• 作者: 张清 胡国兵 赵嫔姣
• 来源期刊: 信息化研究
• 学科: 工学
• 关键词: 调制识别 AlexNet卷积神经网络 星座图 5G信号
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究与设计
• 页码范围: 36-43
• 页数: 8页
• 分类号: TN91
• 语种: 中文

摘要

针对非协作条件下信号调制识别对信号的先验信息要求较高,且人工选取特征复杂等问题,文章提出一种基于AlexNet卷积神经网络的5G信号调制方式识别算法.针对π/2-BPSK、QPSK、16QAM、64QAM、256QAM这5种常用5G信号(3GPP R15协议建议),选择其星座图作为AlexNet网络的输入特征,构建识别分类算法.仿真结果表明,该算法在15 dB信噪比下对5种常用5G信号的平均识别正确率达90％,相较于已有基于信号散布图特征的识别算法,其性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡国兵		23	30	3.0	4.0
2	赵嫔姣		3	1	1.0	1.0
3	张清		1	0	0.0	0.0