一种基于轻量化神经网络的电磁信号识别方法

摘要：

针对电磁频谱管控领域中基于神经网络模型的电磁信号识别方法,占用内存、计算时间和传输资源消耗较大,导致难以边缘部署应用的问题,提出了一种基于轻量化神经网络的电磁信号识别方法.首先,对电磁I/Q路数据进行空白值去除、划窗切片、归一化、频域特征提取四个信号预处理步骤,接着训练残差神经网络模型对其进行分类识别,最后通过参数剪枝和聚类量化两个步骤完成网络轻量化.所提方法在实测信号判识准确率较之前变化较小的前提下,内存压缩率为4.65,相较于深度残差网络(Deep Residual Network,ResNet)计算时间加快61.15 s,表明该方法能够在达到高识别率的同时有效降低模型存储规模,在计算时间、计算量方面也具有优势.

关键词：模型压缩、神经网络、电磁信号识别、边缘智能、电磁频谱管控

所属期刊栏目：39

分类号：TN974

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：37-44