基于卷積神經(jīng)網(wǎng)絡的調(diào)制樣式識別

王彥朋 冀寶安 王曉君

摘要：隨著科學技術(shù)的進步，調(diào)制樣式識別應用越來越廣，信號調(diào)制是將原始的基帶信號的頻譜搬移到適合在信道中進行 的傳輸?shù)耐◣?nèi)的過程。大多數(shù)通信系統(tǒng)調(diào)制樣式識別分為人工手動識別和機器自動識別，與人工手動識別相比，基于卷積神經(jīng)網(wǎng)絡自動識別提取數(shù)據(jù)特征的方法不僅識別率高，而且準確率更高，因此研究 卷積神經(jīng)網(wǎng)絡調(diào)制樣式識別具有非常重大意義。

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡;調(diào)制樣式識別;通信信號

通信信號的調(diào)制樣式識別[1]在現(xiàn)代無線通信存在廣泛的應用。在如今復雜的無線通信環(huán)境中，通信信號的信息量越來越大。研究如何自動調(diào)制樣式識別具有很高的應用價值。其調(diào)制樣式識別主要研究包括信號預處理、特征提取、和分類識別，其流程如圖1所示

4 總結(jié)

本文介紹了使用卷積神經(jīng)網(wǎng)絡應用于調(diào)制樣式識別，對自動調(diào)制樣式識別[5]進行理論推導和實驗驗證，證明了卷積神經(jīng)網(wǎng)絡在調(diào)制樣式識別具有很強的優(yōu)勢，卷積神經(jīng)網(wǎng)絡直接從原始數(shù)據(jù)出發(fā)，利用多層神經(jīng)網(wǎng)絡找到數(shù)據(jù)的內(nèi)在表達的有效特征，為后續(xù)設計通信信號調(diào)制樣式識別系統(tǒng)奠定關(guān)鍵技術(shù)基礎。

參考文獻：

[1]史先銘.通信信號的特征提取與識別的算法研究[D].無錫：江南大學，2016：14-15.

[2]張晴晴，劉勇，潘接林，顏永紅.基于卷積神經(jīng)網(wǎng)絡的連續(xù)語音識別.工程科學學報，2015，37（09）：1212-1217.

[3]N.Srivastava，G.Hinton，A.Krizhevsky，I.Sutskever，and R.Salakhutdinov.Dropout：a simple way to prevent neural networks from overfitting[J].Journal of Machine Learning Research，vol.15，no.1，pp.1929-19-58，2014.

[4]T J.O' Shea，hops：//radioml.com/datasets/radioml-2016-04-dataset/.

[5]Azzous.E.E，Nandi.A.K.Automaticidentificationof digital modulations[J].Signal Pocessing.1995，47（1）：55-69.

作者簡介：第一作者王彥朋，男，河北石家莊人，碩士研究生導師，河北科技大學教授，主要研究領(lǐng)域為電子信息;第二作者冀寶安，男，河北保定人，河北科技大學碩士研究生，主要研究領(lǐng)域為深度學習，信號處理;第三作者王曉君，男，河北張家口人，碩士研究生導師，河北科技大學教授，主要研究領(lǐng)域為導航技術(shù)，模式識別。