一種基于DRSN-GAN的通信信號調(diào)制識別方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>1485 K
標(biāo)簽： 調(diào)制識別 殘差收縮網(wǎng)絡(luò) 生成對抗網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦？
文檔介紹：針對在小樣本和低信噪比條件下通信信號調(diào)制識別率低的問題，提出了一種基于深度殘差收縮生成對抗網(wǎng)絡(luò)（Deep Residual Shrinkage Network and Generative Adversarial Network, DRSN-GAN）的深度學(xué)習(xí)框架。首先，將信號的同相正交數(shù)據(jù)(I/Q data)作為模型輸入，通過生成器生成的數(shù)據(jù)對數(shù)據(jù)集進行擴充，有效解決了高質(zhì)量數(shù)據(jù)稀缺的問題，增強了模型的泛化能力。利用DRSN組成判別器，將經(jīng)過擴充的數(shù)據(jù)送入DRSN進行訓(xùn)練。同時，對輸入數(shù)據(jù)在空間維度上執(zhí)行全局平均池化，利用通道注意力模塊提取I/Q信號的上下文特征，有效減少了噪聲干擾。該方法解決了因固定閾值很難適用于所有樣本而導(dǎo)致的識別準(zhǔn)確率低的問題，并在低信噪比環(huán)境下顯著提高了識別效果。實驗結(jié)果表明，所提出的模型在信噪比為0 dB時準(zhǔn)確率達(dá)92%，對比其他模型，整體分類精度提升了3%，且在小樣本和低信噪比條件下表現(xiàn)出更強的魯棒性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。