文档名：基于轻量神经网络的无线电调制识别算法
摘要：在信号环境日益复杂、信号调制样式种类多变的情况下,采用深度学习方法实现通信信号的调制识别是一种有效手段.针对当前模型存在着超参数量大、部分信号类型(如正交幅度调制信号)识别率低、识别时间过长等问题,提出了一种基于轻量神经网络的无线电自动调制识别算法.首先通过基于深度可分离卷积的基础单元实现特征提取,并引入通道洗牌操作对不同通道的特征进行重新分配,最终使用注意力机制和SmoothingMaximumUnit(SMU)激活函数加强特征挖掘、复用及学习能力.所提模型能够显著增强空间和通道间的信息交流,有效减少模型超参数量和训练耗时,并进一步解决深层网络中的梯度消失问题.实验结果表明,所提模型的平均识别准确率为90.60％,参数量为75000,训练耗时更短,优于目前流行的调制识别算法,尤其能缓解模型越复杂响应速度越慢的问题,证明了所提模型的有效性及鲁棒性.
作者：陈煜 贺升权 余勤Author：CHENYu HEShengquan YUQin
作者单位：四川大学电气工程学院,成都610065
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(11)
分类号：TN971TP391.4
关键词：无线电调制识别 快速分类识别 轻量神经网络 深度可分离卷积 注意力机制
Keywords：radiomodulationrecognition fastclassificationandrecognition lightweightneuralnetwork separableconvolution attentionmechanism
机标分类号：TN911.5TP391TP212
在线出版日期：2023年12月12日
基金项目：四川省重点研发项目，校企合作项目，校企合作项目基于轻量神经网络的无线电调制识别算法[
期刊论文] 电讯技术--2023, 63(11)陈煜 贺升权 余勤在信号环境日益复杂、信号调制样式种类多变的情况下,采用深度学习方法实现通信信号的调制识别是一种有效手段.针对当前模型存在着超参数量大、部分信号类型(如正交幅度调制信号)识别率低、识别时间过长等问题,提出了一种基...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于轻量神经网络的无线电调制识别算法 A Radio Modulation Recognition Algorithm Based on Lightweight Neural Network
基于轻量神经网络的无线电调制识别算法.pdf
- 文件大小:
- 3.33 MB
- 下载次数:
- 60
-
高速下载
|
