电讯技术

作者：谭凯文,闫文君,宫跃,张婷婷

单位：(海军航空大学 航空作战勤务学院，山东 烟台 264001)

关键词：自动调制识别；卷积神经网络；生成式对抗网络；注意力机制；数据增强；

基金：国家自然科学基金资助项目（91538201）；“泰山学者”工程专项经费基金（ts201511020）；信息系统安全技术国家重点实验室基金资助课题（6142111190404）

基于端到端的深度学习模型已经被广泛应用于自动调制识别。现有的深度学习方案大多数依赖于丰富的样本分布，而大批量的标记训练集通常很难获得。提出了一种基于数据驱动和选择性核卷积神经网络(Convolutional Neural Network,CNN)的自动调制识别框架。首先开发深度密集生成式对抗网络增强5种调制信号的原始数据集；其次选择平滑伪Wigner-Ville分布作为信号的时频表示，并将注意力模块用于聚焦时频图像分类中的差异区域；最后将真实信号输入轻量级卷积神经网络进行时间相关性提取，并融合信号的时频特征完成分类。实验结果表明，所提算法提高了在低信噪比情况下的识别精度，表现出较强的鲁棒性。

来源：2023年第7期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第7期