基于单通道多尺度图神经网络的自动调制识别

来源：电子与信息学报杂志2023年第5期北京时间：

作者：国强, 聂孟允, 戚连刚, Kaliuzhnyi Mykola

单位：1.哈尔滨工程大学信息与通信工程学院 哈尔滨 1500012.先进船舶通信与信息技术工业和信息化部重点实验室 哈尔滨 1500013.哈尔科夫国立无线电电子大学 哈尔科夫 61166

摘要：针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点，该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架，并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射，有效降低了AVG算法的复杂度；其次，设计了一种多尺度图神经网络，将不同分辨率的特征进行融合，提升了模型识别准确率。实验表明，该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量，且识别精度得到了较大的提升。

关键词：自动调制识别, 图神经网络, 自适应可见性图, 特征融合

基金资助：国家重点研发计划(2018YFE0206500)，国家自然科学基金(62071140)，中央高校基本科研业务费专项资金(3072022QBZ0801)