基于CNN-LSTM的MIMO-OFDM信号盲调制识别算法

来源：信号处理杂志 2024年第4期北京时间：

作者：张天骐, 邹涵, 杨宗方, 马焜然

摘要：无线通信信号的盲调制识别技术作为非协作通信的核心技术之一，在提高频谱利用效率以及未知信号解调中起着至关重要的作用。另外，非协作通信中存在着电磁环境未知，噪声干扰严重，信噪比低等问题，因此在非协作通信下进行未知信号的盲调制识别较为困难。为解决非协作通信中多输入多输出正交频分复用（Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing， MIMO-OFDM）信号在低信噪比下子载波盲调制识别的问题，本文使用CNN（Convolutional Neural Network，CNN）网络与LSTM（Long Short-Term Memory，LSTM）网络构建一维CNN-LSTM网络进行盲调制识别。鉴于I/Q数据具有很强特征表达能力，该算法选取I/Q数据作为第一输入特征直接输入网络。同时为了弥补噪声对I/Q数据的干扰，本文还选用抗噪声能力强的循环谱作为另一输入特征，为进一步提升循环谱的抗噪声能力，本文对循环谱进行切片累加操作得到抗噪声性能更好的循环谱切片累加序列作为第二输入特征。仿真结果表明，本文所提方法可以在SNR=2 dB条件下实现对｛BPSK，QPSK，8PSK，16QAM，32QAM，128QAM｝调制方式的识别，并且识别精度达到98%。

关键词：‍‍I/Q序列, 神经网络, 盲调制识别, 循环谱