摘要
传统神经网络在区分易混淆调制信号方面表现不足,限制了识别精度的进一步提升。为克服这一局限,文章提出了一种基于多通道注意力网络的调制信号分类识别算法。该算法结合混合数据增强技术,提升模型的泛化能力,并设计了融合残差网络、LSTM网络和专家特征网络的多通道架构,全面提取调制信号的关键特征,包括时间动态特征、空间结构特征以及易混淆信号的区分性特征。为了进一步提升分类性能,算法引入了自适应多头注意力网络,对提取的特征进行加权融合。实验结果表明,该算法在调制信号分类任务中实现了高达95%的分类准确率,显著优于现有主流网络模型。
出处
《电脑知识与技术》
2025年第6期1-4,11,共5页
Computer Knowledge and Technology
基金
湖南省自然科学基金(项目编号:2023JJ50197)
湖南省教育厅科学研究重点项目(项目编号:22A0418
项目编号:23A0444)。
