电讯技术

作者：陈昊,郭文普,康凯

单位：(（火箭军工程大学 作战保障学院，西安 710025）)

关键词：自动调制识别；卷积神经网络；压缩与激励网络；多尺度残差网络；长短期记忆网络；

针对低信噪比条件下自动调制识别准确率不高的问题，提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经（Two-dimensional Convolutional Neural Network,2D-CNN）网络、多尺度残差网络（Residual 2-network,Res2Net）、压缩与激励网络（Squeeze-and-Excitation Network,SENet）和长短期记忆（Long Short-Term Memory,LSTM）网络组成，通过卷积从原始I/Q数据中提取多尺度特征，结合门控机制对特征通道进行权重调整，并利用LSTM对卷积所得特征进行序列建模，确保数据特征被有效挖掘，从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明，所提模型在信噪比为12 dB时识别精度为92.68%，在信噪比2 dB以上时平均识别精度大于91%，较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。

来源：2023年第12期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第12期