一种基于CGAN+CNN的水声通信信号调制识别方法

• 作者: 王彬 王海旺 李勇斌
• 来源期刊: 信息工程大学学报
• 关键词: 调制识别 条件生成对抗网 卷积神经网络 降噪 数据迁移
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息与通信工程
• 页码范围: 1-7
• 页数: 7页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.01.001

摘要

为提高复杂海洋环境下水声通信信号调制识别的性能和实用性,提出一种基于条件生成对抗网络和卷积神经网络的调制识别方法.首先,构造一种基于条件生成对抗网络的降噪模块,用于降低海洋环境噪声对通信信号调制特征的影响;然后,采用卷积神经网络完成降噪数据的特征提取和分类识别;同时,利用数据迁移思想构造迁移学习训练数据集,并通过两步迁移学习策略解决目标水域信道下训练数据不足的问题.仿真实验和实际信号测试结果验证了算法的有效性,相比现有方法,低信噪比下的识别率明显提升,在目标水域信道小样本条件下也具有较好的识别性能.