基于相位参数估计和空间重建的自动调制识别

作     者：张子胤 李大鹏 单国强 

作者机构：南京邮电大学通信与信息工程学院 南京邮电大学波特兰学院 

出 版 物：《电讯技术》 (Telecommunication Engineering)

年 卷 期：2024年

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基　　金：国家自然科学基金(62371245)资助项目 

主　　题：自动调制识别 深度学习 相位参数估计 空间重建单元 注意力机制 

摘      要：针对现有深度学习调制识别算法在复杂信号环境下的鲁棒性和泛化能力不足的问题，提出了一种基于相位参数估计和空间重建的多通道网络（Phase Estimation and Spatial Reconstruction-based Attention Mechanism Multi-Channel Network，PET-SAMCL）。首先，将输入的同向正交信号(In-phase Quadrature， IQ)通过相位参数估计转换，分成三个模块分别提取IQ的幅度-相位特征、IQ合路以及分路特征。在特征提取模块中加入空间重建单元（Spatial Reconstruction Unit，SRU），减少冗余特征的影响。利用全局平均池化和软注意力操作对空间特征进行提炼与融合，通过门控循环单元（gated recurrent unit，GRU）及双向门控循环单元（Bidirectional Gated Recurrent Unit，BiGRU）提取时间和空间特征。消融实验确定最优模型结构，该模型在RML2016.10a数据集上表现优异，在14dB时达到了93.9%的最高识别准确率，平均识别率相较其他模型最大提高了7.7%。实验结果显示该模型具有卓越的分类性能。