基于卷积双向长短期神经网络的调制方式识别

• 作者: 张立民 谭继远 钟兆根
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 调制识别 卷积神经网络 双向长短期记忆神经网络 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 工程实践
• 页码范围: 129-134
• 页数: 6页
• 分类号: TN911.7
• 字数: 3971字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2020.06.024

摘要

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法.利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的.实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立民	海军航空大学信息融合研究所	163	596	11.0	15.0
2	钟兆根	海军航空大学航空基础学院	53	158	7.0	10.0