电讯技术

作者：陈发堂,刘泽,范子健

单位：(重庆邮电大学 a.通信与信息工程学院;b.软件工程学院，重庆 400065)

关键词：通信信号；调制识别；深度学习；时域特征；空间特征；全局平均池化；

基金：重庆市自然科学基金创新发展联合基金（中国星网）（CSTB2023NSCQ-LZX0114）

针对基于深度学习的调制识别方法存在的未利用原始信号顺序信息、识别率低、参数量大的问题，提出一种基于时空卷积网络（Spatiotemporal Convolutional Network,SCN）的调制识别算法。为防止信号的顺序信息的丢失，该网络先提取信号的时域特征，再提取信号的空间特征，其中时域特征提取采用时序卷积网络(Temporal Convolutional Network,TCN)结构，空间特征提取采用二维卷积神经网络(Two-Dimensional Convolution Neural Network,2D-CNN)，最后的分类识别采用全局平均池化(Global Average Pooling,GAP) 替代展平(Flatten)层。由于TCN中因果膨胀卷积和GAP的应用使网络高识别率的同时参数大幅减少。在未经预处理的IQ信号调制识别中，与传统的CNN2、ResNet、DenseNet、CLDNN和LSTM2相比，参数量最少，平均识别精度提升4.9%~16.5%。

来源：2025年第4期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第4期