基于CBAM-GRU的通信信号自动调制识别

本文研究了一种基于卷积注意力机制模块(CBAM)与门控循环单元网络(GRU)结合的CBAM-GRU分类模型,用于非合作通信系统中的自动调制识别技术。将信号预处理后的时域幅度值、相位值以及I/Q值合并,转换为输入采样值矩阵,进入网络进行信号分类识别。使用无线电数据集RadioML2016.10a进行仿真实验,并将CBAM-GRU模型与卷积神经网络(CNN)、长短期记忆网络(LSTM)、GRU、卷积长短时深度神经网络(CLDNN)进行比较。实验结果表明:CBAM-GRU模型的分类识别率达到92.79%,相较于对比模型分别提高了8.52%、1.84%、1.75%、8.61%,比传统的CNN或LSTM模型,在处理信号时能够更有效地捕捉时空特征,从而提高识别精度。

基于GRU-CNN并联神经网络的自动调制识别

为提高非合作通信系统的调制方式识别准确率,提出了一种基于并联门控循环单元(Gated Cycle Unit,GRU)神经网络和卷积神经网络(Convolutional Neural Network,CNN)的数字通信信号识别方法。根据调制信号的特性,将笛卡尔坐标下的原始数据转换到极坐标下,同时求原始数据的自相关序列,作为输入数据分别送入GRU和CNN网络中。对含BPSK、QPSK、8PSK、π/4-DQPSK以及四类QAM调制信号集合进行的实测信号实验结果表明,所提方法在低信噪比下能取得较好的识别性能,在0 dB时平均识别率接近90%。

小波分析在调制信号自动识别中的应用

自动调制识别是非合作通信系统接受机设计中的重要研究课题。本文 着重讨论了在软件无线电中所有基本调制制式(DSB,FM,PM,2ASK,2FSK,2 PSK)的识别问题,对高斯白噪声中的通信信号的自动识别进行了计算机仿 真。实验结果表明,此种识别算法具有较为理想的识别效果。

基于软信息的分组交织和卷积码联合识别

针对非合作数字通信系统中分组交织和卷积码的盲识别问题,提出了一种基于软信息的信道编码识别方法.该方法利用软信息建立了符合度的概念,首先利用采样序列的总符合度实现交织行数和卷积码校验向量的识别;然后通过每路采样序列平均符合度的变化规律实现交织起点行坐标的识别;最后根据解交织后数据的符合度实现交织列数和交织起点列坐标的识别.仿真结果表明,本文算法能在较高误码率下实现分组交织和卷积码的盲识别,与硬判决算法相比,达到较高正确率时,本文算法具有约5d B的信噪比增益.