基于时频融合的深度学习调制识别算法

来源：电讯技术杂志2024年第1期北京时间：

作者：李辉,龚晓峰,雒瑞森

单位：(四川大学 电气工程学院，成都 610065)

摘要：自动调制识别(Automatic Modulation Recognition,AMR) 能够在缺少先验信息的条件下，识别出接收信号的调制类型，在非合作通信中起着至关重要的作用。为提高调制识别的准确率，提出了一种基于时频融合的深度学习调制识别算法。该算法将调制信号的时频图作为网络的输入，使用一维卷积分别提取信号的时频特征，并通过计算时频维度上的权重来突出重要的时频信息，使网络学习到更具区分度的时频特征。为了充分利用时频特征之间的互补性和相关性，使用了基于压缩和激励网络(Squeeze-and-Excitation Network，SENet)的时频特征融合策略。利用该网络对11种调制类型进行识别，实现了最高92.5%的识别准确率；在0 dB以上时，平均识别准确率达到90.87%，优于其他的深度学习算法。

关键词：非合作通信；自动调制识别；深度学习；时频融合；

基金资助：四川省重点研发计划项目(2020YFG0051)；校企合作项目(19H1121，21H1445)