电讯技术

作者：吴长城,孙晓川,余继科,李莹琦

单位：(华北理工大学 人工智能学院，河北 唐山 063200)

关键词：自动调制识别；深度学习；多尺度特征融合；

基金：国家自然科学基金区域创新发展联合基金重点资助项目（U21A20114

深度学习(Deep Learning，DL是实现自动调制识别(Automatic Modulation Identification，AMI技术的有效方法，但通常难以同时兼顾识别精度和效率。为此，提出了一种增强多尺度特征融合的轻量化AMI方法。首先，设计了轻量化的多尺度特征融合模块，通过跨尺度卷积结构高效提取调制信号的多尺度特征，以增强模型对不同信号特征的表征能力；其次，构建了自适应特征增强模块，结合深度可分离卷积与注意机制，能够自适应地学习关键特征的通道权重，突出重要信号特征的同时减少无关特征的干扰；最后，设计了差异平衡分类器，通过聚焦细微调制模式的识别，从而实现高效分类。实验结果表明，所提方法在识别精度上平均提高了5.91%，参数量减少约8.5×105，单次迭代时间缩短0.062 4 s，与对比的先进模型相比具备更高的精度、更快的速度和更少的参数量。

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