利用新型卷积神经网络识别MPSK信号调制方式

摘要：

随着人工智能技术的快速发展,卷积神经网络越来越多地应用到通信信号调制识别领域.针对数字信号在低信噪比的识别准确率较低的问题,采用InceptionResNetV2网络与迁移适配相结合的方法,研究了一种调制识别模型,称之为InceptionResnetV2-TA,对MPSK信号的调制方式进行识别.结果表明,信噪比为3 dB时,InceptionResnetV2-TA对BPSK的识别率达到99.33％,比次优模型InceptionResNetV2高出3％.对QPSK的识别率达到95.33％,比InceptionResNetV2高出2％.对8 PSK的识别率达到86.33％,比InceptionResNetV2高出5％.综上,结合了迁移适配的In-ceptionResnetV2-TA,对BPSK、QPSK和8PSK在低信噪比的识别准确率高于其他对比方法.同时验证了这种调制识别模型的有效性.

关键词：调制识别;卷积神经网络;迁移适配;InceptionResNetV2

所属期刊栏目：26

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61671190

在线出版日期：2021-12-08（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：97-103