基于复数深度神经网络的电磁信号调制识别

• 全文链接
• 请求原文

作   者：

袁德品;  赵亮;  葛宪生; 

作者机构：

中国电子科技集团公司第二十二研究所; 

关键词：

潜在特征;  调制识别;  电磁信号;  复杂电磁环境;  复数神经网络;  相位信息;  调制样式;  I/Q数据; 

期刊名称：

电子科技

i s s n：

1007-7820

年卷期：

2025 年 38 卷 003 期

页   码：

1-6

摘   要：

在复杂电磁环境区域中，较难获取信号调制类型。传统调制信号识别分类方法因自身缺陷导致识别成功率不佳。目前用于信号调制的深度学习方法均基于实数来表征和处理，但因丢失复数原本的内在联系而容易出现识别偏差。针对这种情况，文中将复数深度神经网络应用于电磁信号的调制识别，设计了复卷积、批归一化和全连接网络等复数卷积深度神经网络，并通过Softmax函数完成最终的分类任务。采用标准数据集RML2016.10a完成网络训练以及测试工作。实验结果表明，通过训练后的复数深度神经网络优于传统识别算法，可以有效提升电磁信号识别率。