电讯技术

作者：张子胤琣,李大鹏琣,单国强琤

单位：(南京邮电大学 a.通信与信息工程学院;b.波特兰学院，南京 210003)

关键词：自动调制识别；深度学习；相位参数估计；空间重建单元；注意力机制；

基金：国家自然科学基金资助项目（62371245

针对现有深度学习调制识别算法在复杂信号环境下的鲁棒性和泛化能力不足的问题，提出了一种基于相位参数估计和空间重建的多通道网络（Phase Estimation and Spatial Reconstruction-based Attention Mechanism Multi-channel Network，PET-SAMCL。首先，将输入的同向正交信号(In-phase Quadrature,IQ通过相位参数估计转换，分成3个模块分别提取IQ的幅度-相位特征、IQ合路以及分路特征。在特征提取模块中加入空间重建单元（Spatial Reconstruction Unit，SRU，减少冗余特征的影响。利用全局平均池化和软注意力操作对空间特征进行提炼与融合，通过门控循环单元（Gated Recurrent Unit，GRU及双向门控循环单元（Bidirectional Gated Recurrent Unit，BiGRU提取时间和空间特征。通过消融实验确定了最优模型结构。该模型在RML2016.10a数据集上表现优异，在14 dB时达到了93.9%的最高识别准确率，平均识别率相较其他模型最大提高了7.7%。

来源：2025年第11期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第11期