低信噪比下基于深度学习的调制模式识别方法

发布时间：2021-03-23 17:43

　　无线电信号的调制类型识别是信号检测与解调的中间步骤,已有的研究表明利用深度学习技术能高效地识别无线电信号调制类型。但对于低信噪比区间内识别准确率骤降的问题,仍没有一种较好的解决方案。受到深度学习在图像降噪中的启发,本文提出了低信噪比下基于深度学习的调制模式识别方法,实现了对低信噪比信号的降噪处理,解决了低信噪比区间信号识别准确率过低的问题。通过在开源数据集下的大量实验,验证了本方法的有效性,低信噪比信号调制类型识别的准确率由10%上升至15%。最后,文章对于本方法存在的问题进行分析,并对未来的研究进行了展望。 

【文章来源】：计算机科学. 2020,47(S1)北大核心CSCD

【文章页数】：6 页

【部分图文】：

长短时记忆网络(LSTM)结构示意图

信号在空间或时间上具有一定的连续性,其有效信号在小波域的小波系数较大,而噪声信号在空间或时间上一般呈现离散状态,其在小波域内的小波系数较小。利用这一性质,可以通过小波变换的方法来实现对信号的降噪处理。小波阈值降噪法的具体流程如图2所示。对输入的原始信号进行小波分解处理,计算得到不同的小波系数,假设噪声信号服从高斯分布,那么绝大部分的噪声系数都会位于[-3σ,3σ]区间内,将该区间内的系数置零,以实现对噪声信号最大程度的抑制。利用阈值处理后的小波系数,实现无线电信号重构,得到降噪后的信号。

本文设计了低信噪比下基于深度学习的调制模式识别方法,如图3所示,主要包括低信噪比分类器、降噪自编码器以及调制类型识别网络。其中低信噪比分类器的本质是一个二分类器,通过设置不同的信噪比阈值,能够识别信噪比中的高信噪比信号与低信噪比信号。降噪自编码器能够实现对低信噪比无线电信号的降噪处理。调制类型识别网络由LSTM网络构成,能够识别所输入无线电信号的调制类型。3.2 基于LSTM的无线电信号调制类型识别模型

【参考文献】：
期刊论文
[1]FFT和小波变换在信号降噪中的应用[J]. 刘鲭洁,陈桂明,刘晓方,占军.  数据采集与处理. 2009(S1)
[2]一种MPSK信号调制方式分类的新方法[J]. 滕炜亮,赵明生,扈旻.  电讯技术. 2004(02)



本文编号：3096172