基于通信信号时频特性的卷积神经网络调制识别

• 作者: 侯进 刘雨灵 吕志良 吴佩军 徐茂
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 调制识别 时频特性 卷积神经网络 短时傅里叶变换
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 175-179
• 页数: 5页
• 分类号: TP183
• 字数: 3897字
• 语种: 中文
• DOI: 10.11896/jsjkx.181202361

摘要

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难.寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义.对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法.首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合.实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯进	西南交通大学信息科学与技术学院	58	375	9.0	17.0
2	徐茂	西南交通大学信息科学与技术学院	4	4	1.0	1.0
3	吕志良	西南交通大学信息科学与技术学院	4	6	2.0	2.0
4	吴佩军	西南交通大学信息科学与技术学院	5	6	2.0	2.0
5	刘雨灵	西南交通大学信息科学与技术学院	4	5	1.0	1.0