典型文献
基于MDSCLDNN-HAN的调制识别算法
文献摘要：
针对基于深度学习的调制识别模型存在模型参数多、 计算量大等问题,使用深度可分离卷积和注意力机制,提出了一种新型多通道特征融合的神经网络模型.在数据集RadioML2016.10a和RadioML2016.10b上进行实验,验证结果表明,信噪比在0 dB以上时,所提算法模型对2个数据集的识别准确率分别为92.9％和93.1％,识别准确率优于现有模型,同时参数量减少65.7％,计算量减少76.6％.
文献关键词：
调制识别;深度学习;深度可分离卷积;幅度和相位;注意力
中图分类号：
作者姓名：
李天宇;侯进;李昀喆;郝彦超
作者机构：
西南交通大学信息科学与技术学院智能感知智慧运维实验室,四川成都 611756;西南交通大学唐山研究院,河北唐山 063000;西南交通大学综合交通大数据应用技术国家工程实验室,四川成都 611756
文献出处：
引用格式：
[1]李天宇;侯进;李昀喆;郝彦超-.基于MDSCLDNN-HAN的调制识别算法)[J].无线电工程,2022(09):1525-1532
A类：
MDSCLDNN,RadioML2016
B类：
HAN,调制识别,识别算法,识别模型,计算量,使用深度,深度可分离卷积,注意力机制,多通道特征,通道特征融合,10a,10b,dB,算法模型,识别准确率,现有模型,参数量,幅度和相位
AB值：
0.343094
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。
