基于深度学习的自动调制识别研究

作     者：焦翔 魏祥麟 薛羽 王超 段强 JIAO Xiang;WEI Xiang-lin;XUE Yu;WANG Chao;DUAN Qiang

作者机构：南京信息工程大学计算机与软件学院南京210044 国防科技大学第六十三研究所南京210007 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2022年第49卷第5期

页      码：266-278页

摘      要：非合作通信场景下,自动调制识别是实现频谱感知、频谱管理、频谱利用的关键一环,也是进行高效信号处理的重要前提。传统基于模式识别的AMR方法需要手工进行特征提取,面临着设计复杂性高、识别精度低、泛化能力弱等难题。为此,学术界将目光转向以提取数据中隐含特征见长的深度学习方法,提出了多种面向AMR的深度神经网络架构。相比传统方法,ADNN取得了更高的识别精度,且泛化能力更强,适用范围更广。文中对ADNN领域的研究进行了全面的梳理总结,使从业者可以更好地了解该领域的研究现状,明晰该领域存在的问题以及未来的发展方向。首先,介绍了ADNN设计中涉及的典型DL方法;其次,描述了AMR问题的内涵,简述了传统解决方案;然后,详细介绍了ADNN的工作流程、方法分类和各类方法中的典型代表;最后,在公开数据集上对代表性方案进行了实验对比,并指出了该领域未来需要重点研究的几个方向。

主 题 词：深度学习 深度神经网络 自动调制识别 安全 

学科分类：11[军事学] 080904[080904] 0809[工学-计算机类] 08[工学] 110503[110503] 0810[工学-土木类] 1105[1105] 1104[1104] 082601[082601] 081105[081105] 0826[工学-生物医学工程类] 081001[081001] 081002[081002] 0811[工学-水利类] 

D　O　I：10.11896/jsjkx.211000085

馆 藏 号：203111585...