基于复数深度神经网络的电磁信号调制识别

作     者：袁德品 赵亮 葛宪生 

作者机构：中国电子科技集团公司第二十二研究所 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2024年

学科分类：11[军事学] 0810[工学-信息与通信工程] 12[管理学] 1105[军事学-军队指挥学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国防预研(145AZB070002000X) 

主　　题：复数神经网络 复杂电磁环境 调制样式 相位信息 调制识别 IQ数据 潜在特征 电磁信号 

摘      要：在复杂电磁环境区域中，较难获取信号调制类型。传统调制信号识别分类方法因自身缺陷导致使识别成功率不佳。通常用I/Q形式来表达电磁信号，目前常用于信号调制的深度学习方法均基于实数来表征和处理，因丢失复数原本的内在联系出现识别偏差。针对这种情况，文中将复数深度神经网络应用于电磁信号的调制识别，设计复卷积、批归一化和全连接网络等复数卷积深度神经网络，并通过softmax函数完成最终的分类任务。采用标准数据集RML2016.10a完成网络的训练以及测试工作。实验结果表明，通过训练后的复数深度神经网络优于传统识别算法，可以有效提升电磁信号识别率。