基于CWD谱图和改进CNN的无线电调制分类

来源：电子测量技术杂志2023年第5期北京时间：

作者：李宝平，魏坡

单位：河南理工大学物理与电子信息学院 焦作 454003

摘要：针对频率随时间的变化规律是不同调制信号之间最重要的区别，提出一种结合崔威廉斯分布和改进卷积神经网络模型的无线电调制分类识别方法。在信号预处理阶段，为了更好保留信号的时频特征，引入崔-威廉斯变换将原始时间序列转换成时频图像，进而将调制信号分类问题转化成图像识别问题。在信号识别阶段，通过在卷积神经网络模型中引入残差密集块和全局平均池化层，以克服卷积神经网络模型泛化能力差和训练时间久等缺点。实验结果表明，所提方法可以有效解决梯度消失问题，具有识别率高、泛化能力强等优点。尤其是在低信噪比情况下，表现更为优异，在信噪比为-4 dB时，8种信号的分类精度便可达到100%。

关键词：无线电调制分类;崔-威廉斯分布;卷积神经网络;残差密集块

基金资助：河南省科技攻关项目(212102210557)、河南理工大学博士基金(B2017-55)项目资助