基于深度学习的卫星信号调制识别算法

• 作者: 任进 姬丽彬 党柳
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 卫星调制识别 K最近邻算法 高阶累积量 循环神经网络
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 信号与信息处理|Signal and Information Processing
• 页码范围: 529-535
• 页数: 7页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2022.04.001

摘要

为实现卫星信号调制方式的分类,提出的高阶累积量与K最近邻算法(KNN)调制样式识别算法选取对噪声不敏感的5种高阶累积量特征参数用于信号的识别,通过KNN作为分类器对信号分类.实验结果表明,当信噪比(SNR)高于12 dB时,信号的调制方式可以被高效地识别,并且识别率趋近100％,但需要人工设计和提取特征参数.因此,提出了循环神经网络(Recurrent Neural Network,RNN)的卫星调制信号识别算法,以信号的IQ数据作为模型的输入,通过LSTM进行分时特征提取,全连接层进行分类,最终完成识别.在采样长度等于512,SNR大于4 dB时,识别率趋近100％.与KNN相比,LSTM网络的识别性能更为优越,尤其在低SNR的情况下,可以高效识别6种调制方式.