基于卷积自适应降噪网络的自动调制识别方法

作     者：陈昊 郭文普 康凯 施昊 

作者机构：火箭军工程大学作战保障学院 

出 版 物：《无线电工程》 (Radio Engineering)

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)] 08[工学] 081104[工学-模式识别与智能系统] 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）] 

主　　题：自动调制识别 卷积神经网络 自适应降噪模块 软阈值 

摘      要：针对自动调制识别（Automatic Modulation Recognition， AMR）方法在低信噪比（Signal-to-Noise Ratio， SNR）条件下识别准确率较低的问题，提出了一种基于卷积自适应降噪网络的自动调制识别方法。其中，相位变换用于降低相位偏移对调制识别的影响；卷积神经网络（Convolutional Neural Network，CNN）和门控循环单元（Gated Recurrent Unit， GRU）分别用于提取信号的空间特征和时间特征；在CNN后加入自适应降噪（Adaptive Noise Reduction ， ANR）模块，用于在不同信噪比条件下对卷积特征进行自适应软阈值处理，提升网络鲁棒性。在基准数据集RML2016.10a上的仿真结果表明，提出模型较其他网络模型，在信噪比大于-8dB时识别准确率得到了较好提升。