基于深度學習的調制識別綜述

孫姝君，彭盛亮，姚育東，楊喜

（1. 華僑大學信息科學與工程學院，福建 廈門 361021；2. 史蒂文斯理工學院電子與計算機工程系，美國 新澤西州 霍博肯 07030；3. 吉首大學信息科學與工程學院，湖南 吉首 416000）

1 引言

調制識別是要識別出信號采用的調制方案，有著廣泛的應用。在認知無線電中，調制識別有助于次級用戶了解主用戶信號的細節信息，是無線環境全面感知的重要組成部分；在智能通信中，調制識別能夠減少調制信息的傳輸開銷，實現信號的盲解調；在無線電監管中，調制識別有利于更精準地判斷信號是否滿足無線電管理規定；在電子對抗中，識別敵方信號的調制方案是有效實施無線電干擾和欺騙的前提[1]。

近年來，隨著深度學習（deep learning, DL）的蓬勃發展，基于DL的調制識別技術越來越受到人們的關注。與傳統調制識別方法不同，基于DL的方法采用深度神經網絡（deep neural network,DNN）作為分類器，具有3方面的優勢：第一，能夠充分利用通信系統中存在的海量數據，有效改善調制識別精度；第二，能夠實現自動提取特征，克服手動提取特征過程依賴專業背景和人工經驗的難題；第三，能夠持續受益于深度學習工具的快速迭代和演進，具備在復雜場景下解決復雜調制識別問題的潛能[2]。

2 相關基礎

2.1 傳統算法

傳統的調制識別算法可分為兩大類，即基于似然（likelihood based，LB）的算法和基于特征（feature based，FB）的算法[1]。LB算法將調制識別問題視為一個多元假設檢驗問題，它可以得到最優解，但其計算復雜度相對較高。參考文獻[3]研究了平均似然比和廣義似然比在調制識別中的應用。參考文獻[4]設計了兩種分別基于Gauss-Legendre和Gauss-Hermite求積規則的LB算法，用于識別線性調制。FB算法從信號中提取特征用以區別不同的調制方案，如果特征和分類器選擇恰當，該算法可以在保證較低復雜度的同時獲得近似最優的性能，因而逐漸占據了主導地位[5]。參考文獻[6]提出了一種以高階累積量（high-order cumulant，HOC）為特征的FB算法，在多徑衰落條件下具有較好的魯棒性。參考文獻[7]以近似熵為特征，實現了連續相位調制的識別。在參考文獻[8]中，四階譜特征和壓縮感知被用來區分星座圖類似的調制信號。此外，在分類器方面，參考文獻[9]的研究表明，決策樹比人工神經網絡更適用于多輸入多輸出系統。參考文獻[10-12]中也提出了基于其他分類器的FB算法，如支持向量機和K最近鄰等。

2.2 深度學習

DL是當前人工智能浪潮中強有力的工具之一，其本質是一種基于多層神經網絡、以海量數據為輸入、自動組合低層特征形成高層特征的規則學習方法。最基本的神經網絡包括3部分，分別為輸入層、隱藏層和輸出層[13]。其中，輸入層的神經元用于接收輸入數據，并將數據傳輸到隱藏層的各神經元；隱藏層中的神經元利用激活函數處理數據，并將處理后的數據傳到輸出層；最后由輸出層的神經元輸出結果。在DNN中，隱藏層的層數越多，結構越復雜。此時，整個網絡的參數也變得更多，每一層相對上一層的抽象表示也更加深入，因而DNN相較于基本的神經網絡具有更強大的性能。

近年來，隨著DL的蓬勃發展，DNN也被引入通信領域，用于解決調制識別等傳統通信問題?；贒L的調制識別技術，能夠充分發揮DNN的性能優勢，彌補原有LB和FB算法的不足。

3 基于深度學習的調制識別

3.1 系統架構

在通信系統中，接收信號通?？杀硎緸槿缦滦问剑?/p>

其中，n(k)代表加性高斯白噪聲（additive white Gaussian noise，AWGN），x(l)代表符號序列，A代表幅度因子，f0代表載波頻率偏移，kθ代表相位抖動，T代表符號間隔，h(·)代表殘留信道影響，T∈為定時誤差。

考慮由N個接收信號采樣點組成的接收向量和M種調制方案組成的候選集合，調制識別的任務是根據接收向量確定調制方案Si。

基于DL的調制識別的系統結構如圖1所示。接收到的調制信號首先經過數據預處理，轉換為適當的信號表征；信號表征再送入DNN中處理，并完成調制方案的識別。在實際應用中，根據調制候選集和無線環境的不同，有必要采用適當的數據預處理方法，設計合理的DNN結構，以滿足不同的應用需求。

圖1 基于DL的調制識別系統結構

3.2 數據預處理

數據預處理作為基于DL的調制識別中的關鍵步驟，目的在于對原始數據進行變換，將其表征成恰當的形式，使之能夠適于DNN處理。如果數據預處理方式得當，DNN就能夠更好地從數據中提取典型特征，達到更佳的識別性能。根據預處理后數據表征形式的不同，數據預處理方式可以分為三大類：特征表征、序列表征和圖像表征。

特征表征是將接收信號預處理成一個或者多個特征值，例如HOC特征、高階矩特征、頻譜特征及其他統計特征等[1]。參考文獻[6]將接收信號轉換成HOC特征，以對抗多徑衰落的影響；參考文獻[10]使用四階譜特征表征接收信號，實現了4種調相信號的識別；參考文獻[14]研究了多達28種特征表征，并討論了不同特征值組合對調制識別性能的影響。

序列表征是將接收信號預處理成一個一維向量，例如正交同相（in-phase and quadrature，IQ）序列[15-17]、幅度相位（amplitude and phase，AP）序列[18-19]、快速傅里葉變換（fast Fourier transform，FFT）序列[20]和幅值直方圖序列[21]等。參考文獻[22]最早將IQ表征用于調制識別，性能較傳統方法具有較大優勢；參考文獻[16]利用IQ序列表征信號，討論了不確定噪聲條件下的調制識別問題；參考文獻[18]分析了IQ、AP和FFT 3種序列表征，同時指出在不同的信噪比（signal-to-noise ratio，SNR）條件下，不同的表征形式具有不同的調制識別精度。

圖像表征是將接收信號預處理成一個二維矩陣，例如星座圖[2,5,23]、眼圖[24]、特征點圖[25]以及經各種變換后產生的譜圖[26-28]等。參考文獻[2]利用接收信號的星座圖表征，將調制識別問題轉換成圖像識別問題，并利用DNN解決；參考文獻[27]和參考文獻[28]分別將接收信號轉換成雙譜圖和循環熵譜圖，也取得了較高的識別精度；參考文獻文獻[29]采用等勢星座圖替代原始的星座圖，進一步提升了調制識別的性能。

3.3 深度神經網絡

DNN是基于DL的調制識別的核心部分，它負責處理信號表征結果，并完成調制方案的推斷和輸出。DNN一般分為三大類，即深度前饋網絡、卷積神經網絡（convolutional neural network，CNN）和循環神經網絡（recurrent neural network，RNN）[13]。

3.3.1 深度前饋網絡

深度前饋網絡，也叫前饋神經網絡或多層感知機。深度前饋網絡的特點是整個網絡中無反饋，信號從輸入層到輸出層單向傳播。其每層神經元與下一層神經元之間完全互連，各神經元之間不存在同層連接和跨層連接。深度置信網絡（deep belief network，DBN）是深度前饋網絡的典型代表之一，由多層受限玻爾茲曼機（restricted Boltzmann machine，RBM）組成[30]。其中每個RBM有兩層，即上層隱藏層和下層可見層。

最近幾年，國內外的研究者已經提出了不少基于DBN的調制識別算法。參考文獻[31]設計了一種包括3個常規RBM和1個高斯－伯努利RBM的DBN，用于處理接收信號的譜圖表征，在SNR大于或等于2 dB時，對5種調制方案的識別精度達到了90%以上。參考文獻[32]提出了一種基于DBN和星座圖投影的調制識別算法，利用DBN學習星座圖投影的潛在特征，其識別精度接近LB算法，但復雜度更低。

3.3.2 卷積神經網絡

CNN通常指包含卷積運算的神經網絡。在CNN中，相鄰層局部連通，多層之間利用空間局部相關性實現權重共享，因此同一個參數可以被不同的神經元多次使用。此外，隱藏層內的卷積核使得CNN的輸入層與輸出層之間具有稀疏連通性，從而大大提高了計算效率，降低了網絡存儲需求[33]。代表性的CNN結構有AlexNet、VGG-Net、GoogLeNet、ResNet等。

AlexNet包含5個卷積層和3個全連接層，其中卷積層之后還連接了最大池化層，一共有6 000萬個參數和65萬個神經元。參考文獻[2]提出了一種基于AlexNet和星座圖表征的調制識別算法，利用AlexNet學習星座圖的特征，完成了8種調制方案的識別。參考文獻[28]提出了一種基于AlexNet和譜圖的調制識別算法，將譜圖送入AlexNet進行訓練，并用訓練好的AlexNet模型推斷接收信號的調制方案。為了解決數據不足導致的調制識別性能惡化的問題，參考文獻[34]在AlexNet的基礎上，引入生成對抗網絡對訓練數據進行擴充，使得整體識別精度提高了0.1%～6%。為了便于在邊緣設備和實時場景中部署基于DL的調制識別技術，參考文獻[29]提出采用網絡剪枝技術對AlexNet進行裁剪。與原始的AlexNet相比，剪枝后網絡僅使用了1.5%～5%的參數，僅耗費了33%～35%的識別時間。

VGG-Net由牛津大學計算機視覺組和Google DeepMind公司聯合提出，通過反復堆疊大小為3×3的小型卷積核和2×2的最大池化層，構筑了一種16～19層深的CNN結構，具有更強的泛化能力和較少的迭代次數。參考文獻[15]提出使用VGG-Net對接收信號的IQ序列進行學習和識別，在AWGN信道下24種調制方案的平均識別精度約為33.5%，其中11種調制方案的平均識別精度約為54%。

自2012年AlexNet取得歷史性突破直到GoogLeNet橫空出世以前，主流的CNN結構都是朝著更深、更寬的方向發展，但增大網絡也會使得網絡計算復雜度急劇增加。GoogLeNet由若干Inception模塊堆疊而成，采用全局平均池化層代替了最后的全連接層。這種結構在增加CNN的深度和寬度的同時，保證了網絡計算量基本恒定。參考文獻[2]研究了基于GoogLeNet的調制識別，對8種調制方案的平均識別精度約為89%。

傳統的CNN在信息傳遞時或多或少地存在信息丟失和損耗的問題，同時還可能存在梯度消失或梯度爆炸的風險，導致網絡無法訓練。ResNet在一定程度上解決了這個問題。它通過在網絡中增加直連通道，將輸入信息同時繞道傳送給輸出，既保護了信息的完整性，又降低了網絡訓練的難度，使得構建超深層網絡成為現實。參考文獻[27]就提出了一種基于ResNet和譜圖的調制識別算法，用于應對非高斯噪聲影響。該算法在不同脈沖噪聲條件下均能保持較好的識別性能。參考文獻[17]在ResNet的基礎上，引入了3種融合方法用于解決實際接收信號長度不固定的問題。

3.3.3 循環神經網絡

RNN是一種擅于處理序列數據的神經網絡。在RNN中，網絡會存儲之前的信息并用于計算當前的輸出，即隱藏層的輸入不僅包括上一層的輸出，還包括上一時刻自身的輸出。當RNN的相關輸入與期望輸出在時間軸上間隔很長時，網絡訓練容易產生梯度消失或者梯度爆炸，使得RNN的長時記憶失效。為了解決這個問題，長短期記憶（long short-term memory，LSTM）網絡應運而生。LSTM網絡將數據維護在獨特的cell結構中，通過輸入門、遺忘門和輸出門這3個門結構實現信息的添加和刪除，以克服傳統RNN存在的長期依賴問題[35]。

參考文獻[16]設計了一種由3個LSTM層堆疊的RNN，用于對抗調制識別中的瑞利衰落和不確定噪聲影響，并增強頻率偏移場景下的魯棒性。參考文獻[36]提出了一種基于LSTM網絡的調制識別算法，用來學習接收信號的IQ序列和HOC表征，相較于CNN，它具有更好的識別性能。參考文獻[18]利用LSTM網絡處理接收信號的AP序列和FFT序列表征，在衰落信道下11種調制方案的平均識別精度接近90%。

3.4 常用數據集

為便于評估和對比不同調制識別算法的性能，研究者們創建了一些公開數據集，其中最為流行的是RadioML數據集[15,37]，包含RadioML2016.04c、RadioML2016.10a、RadioML 2016.10b和RadioML2018.01a等多個版本。

RadioML2016.04c是一個利用GNU Radio生成的數據集，共涉及11種常用信號調制方案，包含8種數字調制和3種模擬調制，分別是二進制相移鍵控（binary phase shift keying，BPSK）、正交相移鍵控（quadrature phase shift keying,QPSK）、8PSK、十六進制正交幅度調制（16quadrature amplitude modulation，16QAM）、64QAM、二進制頻移鍵控（binary frequency shift keying，BFSK）、連續相位頻移鍵控（continuous phase frequency shift keying , CPFSK）、四進制脈沖幅度調制（pulse amplitude modulation 4，PAM4）、寬帶頻率調制（wide band frequency modulation，WBFM）、單邊帶調幅（single-sideband amplitude modulation，AM-SSB）、雙邊帶調幅（double-sideband amplitude modulation，AM-DSB）。其采樣速率為每符號8個采樣點，包括220 000個調制信號樣本，信道類型為多徑衰落信道。此外，它還是一個具有中等時鐘漂移、輕度衰落的可變SNR數據集，可用于不同信號和噪聲場景下的調制識別性能測試。

RadioML2016.10a是RadioML2016.04c的一個更干凈規范的版本，同樣包含了上述11種調制方案，信噪比變化范圍為-20～18 dB。該數據集考慮了AWGN和多徑衰落影響，并引入了采樣率偏移和中心頻率偏移等惡劣條件，以與實際無線通信環境更為相似。

RadioML2016.10b是RadioML2016.10a的擴展版本，一共包含1 200 000個信號樣本，但只涉及10種調制方案，分別為BPSK、QPSK、8PSK、16QAM、64QAM、BFSK、CPFSK、PAM4、WB-FM和 AM-DSB。

RadioML2018.01a對RadioML2016.10a中的調制類型進行了增廣，共涉及24種調制方案，包括通斷鍵控（on-off keying，OOK）、四進制幅移鍵控（4 amplitude shift keying，4ASK）、8ASK、BPSK、QPSK、偏移QPSK 、8PSK、16PSK、32PSK、十六進制幅度相移鍵控（16 amplitude and phase shift keying，16APSK）、32APSK、64APSK、128APSK、16QAM、32QAM、64QAM、128QAM、256QAM、單邊帶載波調幅（single-sideband amplitude modulation with carrier，AM-SSB-WC）、單邊帶抑制載波調幅（single-sideband amplitude modulation with suppressed-carrier，AM-SSB-SC）、AM-DSB-WC、AM-DSB-SC、調頻（frequency modulation，FM）、高斯最小頻移鍵控（Gaussian filtered minimum shift keying，GMSK）。數據以浮點復數的形式存儲，有200萬個信號樣本，每個樣本的長度為1 024個采樣值。

3.5 評價指標

基于DL的調制識別性能主要從識別精度和模型復雜度兩個方面評價。

3.5.1 識別精度

識別精度的第一個衡量指標為混淆矩陣（confusion matrix）。混淆矩陣也稱誤差矩陣，能夠直觀反映識別結果的分布狀況，通常為M×M的方陣，其第p行、第q列的值M(p,q)表示有M(p,q)個調制方案為Sp的信號樣本被識別為調制方案Sp。假設候選集中有2種調制方案，即M=2，那么，其混淆矩陣如圖1所示。

圖1 混淆矩陣

其中，TP（truepositive，TP）和TN（true negative，TN）表示預測結果正確，FP（false positive，FP）和FN（false negative，FN）表示預測結果錯誤。

識別精度的另一個衡量指標為識別準確率（accuracy，Acc），表示識別正確的信號樣本數量在所有信號樣本中所占的百分比。以M=2為例，Acc可具體計算如下：

3.5.2 模型復雜度

DNN的模型復雜度主要包括時間復雜度和空間復雜度。時間復雜度可以通過訓練時間或識別時間衡量；空間復雜度取決于模型的參數數量和模型所需的存儲空間大小。

表1 基于DL的調制識別算法對比

為了進一步展示基于DL的調制識別算法的性能，表1列舉了本文所提及的部分算法識別精度和模型復雜度，并給出了它們的數據預處理方式和DNN類型。從表1可以看出，大部分算法均具有較好的識別性能。其中，候選調制方案越簡單，SNR越高，識別性能越好。

4 未來研究方向

雖然基于DL的調制識別研究已經取得了一系列的成果，但仍有進一步研究的空間。

首先，從數據預處理的角度看，在同一種信號表征形式下，如果候選調制方案不同，或者無線環境不同，算法的識別精度會有明顯差異，因此有必要研究信號表征與調制方案及信道條件之間的關聯性，以便根據實際場景選擇恰當的數據預處理方式。同時，綜合利用信號的特征表征、序列表征和圖像表征，已被證實有利于提高調制識別精度，但如何融合這些表征形式還沒有得到深入的研究。

其次，從DNN的角度看，不同的DNN結構擅長處理不同形式的數據，因此未來需要進一步根據數據預處理結果，設計匹配的網絡結構，以充分學習信號的典型特征，實現高精度的調制識別。

最后，從模型復雜度的角度看，基于DL的調制識別的精度雖然在不斷提升，但其模型復雜度也在不斷增加，導致其難以部署到資源有限的移動平臺和邊緣節點上。因此，如何在保證識別精度不明顯下降的同時減少網絡參數、改善模型效率，值得未來繼續研究。

5 結束語

本文首先回顧了傳統的調制識別方法及DL的相關基礎；然后重點討論了基于DL的調制識別技術，給出了系統架構，闡述了特征表征、序列表征和圖像表征3種數據預處理方式，著重分析了3種常用的DNN，包括深度前饋網絡、CNN和RNN，介紹了RadioML數據集，列舉了識別精度和模型復雜度兩方面的性能指標，并對部分算法進行了總結；接著從數據預處理、DNN和模型復雜度3個角度展望了下一步的研究工作。未來隨著DL的不斷演進，基于DL的調制識別技術也將不斷完善，取得更大的發展。