信号增强网络驱动的调制识别

Abstract

现有基于深度学习的调制识别在训练阶段需要大量IQ信号样本，而复杂电磁环境中很难获取大量样本，导致基于深度学习的调制识别算法泛化性能下降。针对网络泛化能力差的问题，提出了一种基于信号增强的调制识别（signal enhancement based modulation recognition，SEBMR）算法。首先，设计了捕获IQ信号全局特征的特征提取及重构模块；其次，提出了基于辅助分类生成对抗网络（auxiliary classifier generative adversarial network，ACGAN）的IQ信号增强网络，实现了样本数量及质量的双重增强；最后，利用支持向量机算法实现了调制方式识别分类。为了实现对复杂信道下调试信号的识别，训练时采用表征全局特征的重构信号，测试时采用经历无线衰落的IQ基带信号。实验结果表明，提出的方法相比现有的基于长短期记忆（LSTM）网络、卷积神经网络（CNN）、注意力机制等识别方法，在小样本训练集、衰落信道环境下可获得更优的识别准确度。

Keywords

• 调制识别
• 注意力机制
• 信号增强
• 生成对抗网络