一种基于CLSNN网络的通信信号自动调制识别算法

为了提高在复杂信道环境下调制信号的识别率,本文提出一种基于深度学习的通信信号自动调制识别方法,利用一维卷积神经网络以及长短时记忆网络构建一种新型训练网络——一维卷积长短时神经网络。使用一维卷积、长短时记忆网络构建轻量级神经网络提取特征,在提升识别率的同时能够减少训练参数数量、缩短训练时间,加入dropout和batchnormalization加强网络泛化能力,防止过拟合出现。通过对信号进行特征提取,实现通信信号调制方式分类识别。仿真实验表明,本文算法在0 dB以上信噪比环境下识别率高于90%,相较于现有识别方法,有效提高了调制信号的识别率。