基于多端特征融合模型的MIMO-OFDM系统盲调制识别

来源：信号处理杂志 2022年第9期北京时间：

作者：张天骐, 汪锐, 安泽亮, 王雪怡, 方竹

摘要：自动调制分类（Automatic Modulation Classification， AMC）在认知无线电中起着提高频谱利用率的重要作用，然而，现有的大多数工作都集中在单输入单输出系统中的单载波通信。针对当前非协作通信中多输入多输出正交频分多路复用（Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing， MIMO-OFDM）系统子载波的盲调制识别问题，本文提出了一种基于多端特征融合模型的盲调制识别方法。首先，利用特征矩阵的联合近似对角化算法（Joint Approximate Diagonalization of Eigenvalue Matrix， JADE）从接收端的混合信号中恢复发送信号。然后，提取恢复信号的循环谱剖面和同向正交分量作为浅层特征。最后，搭建多端特征融合模型，利用一维卷积网络（One-Dimensional Convolutional Neural Network， 1D-CNN）与通道注意力模块（Channel Attention Module， CAM）的串联模型完成对浅层特征的提取和映射，并使用测试样本对所提出的调制识别算法进行仿真验证。仿真结果表明，本文方法在不需要先验信息的情况下对MIMO-OFDM系统的调制方式可以进行有效识别，在信噪比为4 dB时的识别精度可达到90%。

关键词：‍‍盲调制识别, 多输入多输出, 循环谱, 神经网络, 注意力机制