典型文献
莱斯衰落信道下MQAM信号调制方式自动识别方法
文献摘要：
针对受莱斯衰落影响的4QAM、16QAM、32QAM、64QAM、128QAM、256QAM六类信号,分别研究了卷积神经网络(CNN)模型以及特征参数结合深度神经网络(DNN)分类器模型的调制方式识别性能.CNN模型需要大量带标签的数据集以及很长的训练时间才能获得较好的识别性能,而特征参数结合深度神经网络分类器模型所需训练时间较短,但其分类性能受限于特征参数的设计.针对以上问题,研究了混合高阶矩作为特征参数集,再将DNN作为分类器对多进制正交幅度调制(MQAM)信号进行识别的方法.仿真结果表明,该方法在低信噪比情况下对受莱斯衰落影响的MQAM信号识别准确率高于CNN模型,且分类准确率上限明显高于采用高阶累积量作为特征参数的方法.
文献关键词：
调制识别;混合高阶矩;高阶累积量;卷积神经网络;深度神经网络
中图分类号：
作者姓名：
胡佩聪;杨文东;李佩
作者机构：
陆军工程大学通信工程学院,江苏南京210007
文献出处：
引用格式：
[1]胡佩聪;杨文东;李佩-.莱斯衰落信道下MQAM信号调制方式自动识别方法)[J].陆军工程大学学报,2022(03):22-28
A类：
莱斯衰落信道,128QAM,混合高阶矩
B类：
MQAM,信号调制,自动识别方法,16QAM,32QAM,64QAM,256QAM,六类,深度神经网络,DNN,调制方式识别,识别性,训练时间,神经网络分类器,分类性能,受限于,参数集,多进制正交幅度调制,低信噪比,信号识别,识别准确率,分类准确率,限明,高阶累积量,调制识别
AB值：
0.309748
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
