融合决策树和轻量化神经网络的调制识别方法

来源：电子测量技术杂志2025年第20期北京时间：

作者：王玮，王浩哲，胡坡，赵振禹，王俊珏

单位：郑州大学电气与信息工程学院 郑州 450001

摘要：针对现有决策树方法设置门限值对先验知识依赖大，神经网络方法在调制识别领域存在的模型尺寸大，参数量高的问题，本文提出一种融合决策树的轻量化神经网络调制识别方法。该方法通过引入决策树思想，对数据集的混淆矩阵进行分析，根据不同的信号类别特征将数据集划分成了不同的子类，并使用轻量化卷积神经网络进行分层识别；为了在分层识别中对每个子类进行有针对性的识别，通过数据清洗和特征提取来获取每个子类特有的信号特征。实验结果显示，在公开数据集RML2016.10a上，该方法在信噪比为0~+18 dB范围内的整体识别率为90.03%，相较对比模型最高提升了7.49%，当信噪比为18 dB时，识别率达到95.03%；且模型参数量仅为86 342，与同精度模型相比降低了96.85%。

关键词：调制识别;轻量化;决策树;卷积神经网络;特征融合

基金资助：河南省科技攻关计划（242102211107）项目资助