电讯技术

作者：杨小蒙,张涛,庄建军,唐震

单位：(南京信息工程大学 电子与信息工程学院，南京 210044;2.国防科技大学第六十三研究所，南京 210007;南京信息工程大学 计算机与软件学院，南京 210044;国防科技大学第六十三研究所，南京 210007)

关键词：电磁信号；调制识别；星座图；稀疏深度神经网络(SDNN)；

基金：国家自然科学基金资助项目（61801496,61801497,62171228）；国家重点研发计划项目（2021YFE0105500）；军委科技委基础加强计划领域基金项目（2019-JCJQ-JJ-221）

为在低复杂度约束条件下提升电磁信号调制识别的性能，提出了一种基于稀疏深度神经网络（Sparse Deep Neural Network，SDNN）的电磁信号调制识别方法。首先，通过提取电磁信号同相和正交两路数据绘制出信号的星座图，作为信号的浅层特征表达；然后，基于星座图中各信号点密度大小对星座图进行上色，增强星座图中信号特征；最后，通过SDNN对增强后的星座图进行识别分类。实验结果表明，SDNN模型选取合适的剪枝率后，能够有效降低模型存储规模和计算量，其中模型参数压缩了72%，浮点运算量压缩了45%，与原模型97%的综合识别率相比，稀疏化处理后模型的综合识别率为96.8%，在小幅度识别精度损失范围内大幅降低了模型复杂度。

来源：2023年第2期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第2期