基于生成式对抗网络和多模态注意力机制的扩频与常规调制信号识别方法

来源：电子与信息学报杂志2024年第4期北京时间：

作者：王华华, 张睿哲, 黄永洪

单位：1.重庆邮电大学通信与信息工程学院 重庆 4000652.移动通信技术重庆市重点实验室 重庆 4000653.重庆邮电大学网络空间安全与信息法学院 重庆 400065

摘要：针对低信噪比条件下的扩频与常规调制信号分类精度低的问题，该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs)，并利用GAN实现TFIs降噪处理；然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入，并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路；最后，在模型中添加注意力机制，增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明，该文所提方法相较于单模态识别模型以及其它基线模型，整体分类精度有效提升2%～7%，并在低信噪比条件下具备更强的特征表达能力和鲁棒性。

关键词：深度学习, 自动调制识别, 生成对抗网络(GAN), 多模态特征, 时频分布

基金资助：国家自然科学基金(61701063)，重庆市自然科学基金(cstc2021jcyj-msxmX0454)