基于特征融合的自动调制识别方案设计

• 作者: 彭云飞 李淑丰 邵尉 陈昱帆
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 自动调制识别 特征融合 CNN LSTM 注意力机制
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 2404-2410
• 页数: 7页
• 分类号: TN975
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.10.007

摘要

自动调制识别(AMC)是目前各种通信场景中信息获取的前提,由于无线通信过程中的干扰等因素,致使自动调制识别几十年以来一直是一个通信领域的研究难题.针对该难题提出了一种新型深度学习特征融合方案,该方案包含两个分支模型,第一个分支模型为基于注意力机制的双向长短时记忆模型(Attention mechanism based BiLSTM,AMb BiLSTM),该模型从IQ数据中提取信号的幅度相位信息,并使用BiLSTM双向提取信号的语义信息.第二个分支模型为基于多尺度特征提取技术的卷积神经网络(Multi-scale feature extraction CNN,MFE CNN),该模型通过提取IQ数据的浅层特征和深层特征,很好地学习到数据之间的重复特征(Local repeat features).该方案结合了上述两种模型的优势.通过开源数据集RML2016.10a的验证,证明了所提方案的先进性.