典型文献
基于改进卷积神经网络的调制方式识别
文献摘要：
针对调制识别方法中卷积神经网络复杂度高,网络训练时间较长等问题,提出了一种基于改进卷积神经网络的调制信号识别模型.在卷积神经网络提取信号空间特征的基础上,通过门控循环单元直接对卷积神经网络的调制信号时序进行深层特征提取,以提高模型对原始数据的特征提取和降维能力,结合全连接层的维度映射,最终实现信号的调制方式识别.实验结果表明,网络训练达到稳态时,该方法能在缺少信道和噪声等先验信息条件下有效识别QPSK、16QAM和64QAM等11种调制类别.相比于传统的卷积神经网络算法,该方法的识别性能得到了进一步提升,同时网络复杂度降低,节省了网络训练时间.
文献关键词：
调制识别;卷积神经网络;门控循环单元;深度学习
中图分类号：
作者姓名：
宋伟健;孙雪丽;谭继远
作者机构：
海军航空大学参谋部 烟台 264001;海军航空大学航空基础学院 烟台 264001;海军航空大学研究生三队 烟台 264001
文献出处：
引用格式：
[1]宋伟健;孙雪丽;谭继远-.基于改进卷积神经网络的调制方式识别)[J].计算机与数字工程,2022(09):1980-1985,2024
A类：
B类：
改进卷积神经网络,调制方式识别,调制识别,网络训练,训练时间,调制信号识别,识别模型,取信,空间特征,过门,门控循环单元,深层特征,原始数据,全连接层,练达,信道,先验信息,QPSK,16QAM,64QAM,神经网络算法,识别性
AB值：
0.307338
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
