基于多通道残差网络与注意力机制协作的调制分类
邹波蓉1
李姗姗2
叶沛然3
侯庆华1
武会斌1
1.河南理工大学 物理与电子信息学院,河南 焦作 4540002.商丘工学院 信息与电子信息工程学院,河南 商丘 4760003.郑州经贸学院 土木建筑学院,河南 郑州451191
摘要：为了更加充分地提取调制信号特征,构建一种多通道残差网络与注意力机制协作的调制分类方法.首先设计一个各通道均不相同的多通道结构,确保提取的信号特征更加多样;其次,将每个通道提取的特征利用concatenate层进行融合,增强描述信号特征;之后,结合残差网络的优势,显著增加网络深度,捕获更具代表性的特征,同时缓解深层网络带来的梯度消失问题;最后,为了使提取的特征更加易于分类,引入注意力层,对提取特征重新校准,以捕获更加关键的特征,增加信号分类准确率.在公共数据集RadioML 2016.10 b上进行实验.仿真结果表明,该网络的分类性能优于许多文献中的分类器,当信噪比14 dB时,分类精度达到93.23％,证明了此网络的可行性与有效性.
关键词：调制分类深度学习卷积神经网络残差网络注意力机制
分类号：TN911.7(通信)
资助基金：国家自然科学基金(11805052)河南省科技攻关项目(222102210247)
论文发表日期：2023-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 160-167 )
英文信息