-
题名基于CLR和改进卷积神经网络的调制方式识别算法
- 1
-
-
作者
王晓宇
张邦宁
杨宁
郭道省
-
机构
中国人民解放军陆军工程大学通信工程学院
-
出处
《无线电工程》
2025年第1期67-75,共9页
-
文摘
为提高非合作通信场景中调制方式识别任务在低信噪比(Signal to Noise Ratio,SNR)条件下的识别率及实时性,对卷积神经网络(Convolutional Neural Network,CNN)结构和学习率策略进行了改进,设计了一种基于循环周期学习率(Cyclic Learning Rate,CLR)策略和改进CNN的调制方式识别算法。为了突出信号特征,通过短时傅里叶变换(Short Time Fourier Transform,STFT)生成信号的时频图,引入注意力机制对CNN进行改进,用于抑制信号中的冗余信息,实现特征提取,增强在低SNR条件下算法的识别能力,通过设计CLR策略,对算法超参数进行设置,提高算法的收敛速度。实验结果表明,在-10 dB条件下,识别率可达92%,相较于其他经典算法,识别率得到显著提升,所提出的算法参数量小、计算复杂度低、收敛速度快。
-
关键词
调制方式识别
短时傅里叶变换
卷积神经网络
注意力机制
循环周期学习率策略
-
Keywords
modulation recognition
STFT
CNN
attention mechanism
CLR strategy
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
