基于深度学习的无线电信号调制方式识别算法研究

供电费控联动装置控制系统是包括继电器驱动电路、与控制输出端相连的继电器、被控负载回路、与控制输入端相连的中央控制单元。以上控制单元在信号监测与传输中,存在一定缺陷,难以有效识别无线电信号调制方式。本文基于深度学习提出基于Transformer网络的无线电信号调制方式识别模型,以提高信号调制方式的识别精度。仿真结果表明:采用RML2016.10a数据集进行测试,当信噪比为+5dB时,Transformer网络的预测精度比CNN2提高11.98%,比CLDNN提高11.45%,比LSTM模型提高4.1倍,证明Transformer网络具有较优的无线电信号调制方式识别性能。

基于深度学习与软件无线电的盲解调系统研究

盲解调系统能够在未知调制方式的条件下完成信号解调,在认知无线电、电子对抗等领域具有重要的应用价值。现有的盲解调系统,大多调制方式识别精度低,容易产生解调错误,且受硬件平台限制,拓展性较差。本文设计并实现了一套基于深度学习和软件无线电的盲解调系统。该系统利用最新的深度学习算法替代传统的基于特征的算法,用于提高调制方式识别精度;同时,还采用软件无线电平台替代传统的硬件电路,便于系统功能的升级和扩充。测试结果表明,本文实现的系统达到了设计需求,在各种场景下均能正确解调信号,且能够对调制方式的改变及时作出反应。