利用时频域对数的调制方式识别算法

发布时间：2022-08-11 12:21

　　针对在非协作通信领域中正交振幅调制（QAM）与频移键控（PSK）信号类间以及QAM信号类内难以识别的问题,提出了一种基于时频域对数结合深度学习的调制方式自动识别算法。该算法无需任何先验信息,将接收到的调制信号经过时频域对数预处理,以经过预处理后的信号作为神经网络的输入,利用卷积神经网络（CNN）对QPSK和MQAM信号进行自动识别分类,实现了对QPSK,8QAM,16QAM,32QAM,64QAM和128QAM六种集内信号的自动识别。仿真结果表明,当信噪比达到4 dB时,集内每种信号的识别准确率均达到90%以上。通过实测信号验证了算法的有效性。 

【文章页数】：6 页

【文章目录】：
0 引言
1 信号模型
2 信号预处理
3 基于CNN的调制方式识别算法
4 算法仿真以及性能分析
    4.1 仿真数据集
    4.2 仿真结果
    4.3 实测信号验证
5 结束语


【参考文献】：
期刊论文
[1]基于稀疏滤波神经网络的智能调制识别[J]. 李润东,李立忠,李少谦,宋熙煜,何鹏.  电子科技大学学报. 2019(02)
[2]基于深度学习的通信信号自动调制识别技术[J]. 姚宇晨,彭虎.  电子技术应用. 2019(02)
[3]基于深度卷积神经网络的数字调制方式识别[J]. 彭超然,刁伟鹤,杜振宇.  计算机测量与控制. 2018(08)
[4]分离通道联合卷积神经网络的自动调制识别[J]. 郭有为,蒋鸿宇,周劼,苏建中.  电讯技术. 2018(06)
[5]基于深度神经网络的数字信号调制类型自动识别方法[J]. 丁锡龙,金乾坤.  湘潭大学自然科学学报. 2017(03)
[6]高阶QAM信号调制识别算法[J]. 徐江民,高勇.  无线电工程. 2014(01)
[7]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[8]突发QAM信号盲识别算法[J]. 刘聪杰,彭华,吴迪.  计算机应用. 2012(08)
[9]MQAM信号调制方式盲识别[J]. 张路平,王建新.  电子与信息学报. 2011(02)
[10]高阶QAM调制制式识别及其系统实现[J]. 胡登鹏,王世练,张尔扬.  飞行器测控学报. 2009(02)



本文编号：3674653