基于深度学习的电磁信号调制识别方法

摘要：

电磁信号调制识别是电磁信息安全领域的重要技术基础.该文针对无线衰落造成电磁信号调制识别准确率低的问题,研究比较了基于深度学习的无线衰落信道电磁信号的调制识别方法.通过Matlab仿真生成同向正交(IQ)电磁信号数据,比较分析了AlexNet、VGGNet、ResNet和DenseNet四类神经网络模型的信号调制识别准确率,得到适合应用于无线衰落信道电磁信号调制识别的模型.结果表明,DenseNet神经网络对信号调制识别的准确率最好,达到82.10％.本研究为电磁信号调制识别在电磁信息安全等领域的应用提供重要参考.

关键词：调制识别、无线衰落信道、深度学习、卷积神经网络

分类号：TP391.4;TN924;TP79

资助基金：综合计划H2208030303

在线出版日期：2023-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：34-40