利用并联CNN-LSTM的调制样式识别算法
来源：信号处理杂志 2019年第5期北京时间：
作者：翁建新, 赵知劲, 占锦敏
摘要：为了提高基于卷积神经网络的调制样式识别算法性能，利用CNN的空间特征提取能力和LSTM时序特征提取能力，设计了CNN-LSTM并联网络，上支路由一层卷积层和一层池化层组成，下支路使用单层LSTM网络。直接将同向分量和正交分量作为输入数据，上下支路提取信号的空间和时间特征，提高特征表达能力。对BPSK、QPSK、8PSK、16QAM、32QAM、16APSK、32APSK 等7种信号的调制样式识别仿真实验结果表明：算法无需人为设计特征参数，减少人为因素影响，同时该算法在低信噪比下具有较好的识别性能。
关键词：调制样式识别, 卷积神经网络, 循环神经网络, 并联
