基于信噪比分级的信号调制类型识别

发布时间：2021-02-08 13:11

　　无线电调制类型识别广泛应用于军民的各个领域,相比人工识别和频谱分析法等传统方法,基于深度学习的信号调制类型识别方法取得了较好性能,但仍存在识别准确率低的问题。文中提出了一种基于长短时记忆网络（LSTM）模型的信号调制类型识别方法,将深度学习分类方法与信噪比分级相结合,设计了一种基于深度学习的信噪比分级调制类型识别框架。通过准确分类高低信噪比信号,并采用不同的降噪处理来提高低信噪比信号调制类型识别的准确率。通过机器学习方法对2016.4C信号数据集进行调制类型识别的准确率为21%,通过深度学习模型对2016.4C信号数据集进行不降噪、分级降噪、全部降噪3个调制类型识别对比实验,识别准确率分别为69.82%,70.50%,66.67%,有效验证了所提方法对提高低信噪比信号调制类型识别准确率的可行性与优越性。 

【文章来源】：计算机科学. 2020,47(S1)北大核心

【文章页数】：8 页

【部分图文】：

基于信噪比分级的调制类型识别框图

图2为循环神经网络前向计算展开图,其中St为t时刻的状态单元,Xt为t时刻的输入数据,Ot为t时刻的输出数据,W为不同时刻间的记忆传递参数矩阵,U为输入数据传递参数矩阵,V为输出数据传递参数矩阵。图3为LSTM结构示意图,其中,f(t)为遗忘门,i(t)为输入门,Ot为输出门,tanh与σ为激活函数,Ct-1与ht-1为上一单元的输出,Ct与ht为本单元的输出。

tanh ?x= sinh?x cosh?x = e x -e -x e x +e -x ?????? ??? (7) S(x)= 1 1+e -x ?????? ??? (8)本文中的LSTM神经网络框架均为下文所述的结构框架。

【参考文献】：
期刊论文
[1]高速移动通信系统信噪比预测方法[J]. 常莉莉,戴宪华,李毅,石春.  电路与系统学报. 2012(01)
[2]基于接收信号信噪比预测的自适应跳频信道质量评估[J]. 战大为,董俊,刘坤,杨阳,翟斌.  舰船电子工程. 2008(04)



本文编号：3023973