一种基于CGAN+CNN的水声通信信号调制识别方法

为提高复杂海洋环境下水声通信信号调制识别的性能和实用性,提出一种基于条件生成对抗网络和卷积神经网络的调制识别方法。首先,构造一种基于条件生成对抗网络的降噪模块,用于降低海洋环境噪声对通信信号调制特征的影响;然后,采用卷积神经网络完成降噪数据的特征提取和分类识别;同时,利用数据迁移思想构造迁移学习训练数据集,并通过两步迁移学习策略解决目标水域信道下训练数据不足的问题。仿真实验和实际信号测试结果验证了算法的有效性,相比现有方法,低信噪比下的识别率明显提升,在目标水域信道小样本条件下也具有较好的识别性能。