典型文献
卷积神经网络卫星信号自动调制识别算法
文献摘要：
自动调制识别是空间认知通信系统的关键技术,有助于实现自适应信号解调.深度神经网络虽然具有特征提取能力强的优势,但也存在参数众多、计算量大的问题,难以实现空间在轨应用.针对以上问题,提出了一种轻量化、高性能的卷积神经网络结构.网络先提取信号的同相正交相关特征,再提取时域特征,最后提取各通道特征均值进行分类.对11种调制方式分类的实验结果表明:当信噪比高于0 dB时,平均识别准确率能达到86.94％,较传统的高阶累积量的方法提高了31.54％;与目前高识别准确率的深度神经网络模型相比,仅使用不到10％的模型参数,在树莓派4 B上计算速度平均提高了20倍.
文献关键词：
认知通信系统;调制方式识别;同相正交相关特征;卷积神经网络;深度学习
中图分类号：
作者姓名：
崔天舒;崔凯;黄永辉;赵文杰;安军社
作者机构：
中国科学院国家空间科学中心 复杂航天系统电子信息技术重点实验室, 北京100190;中国科学院大学 计算机科学与技术学院, 北京100049
文献出处：
引用格式：
[1]崔天舒;崔凯;黄永辉;赵文杰;安军社-.卷积神经网络卫星信号自动调制识别算法)[J].北京航空航天大学学报,2022(06):986-994
A类：
认知通信系统,同相正交相关特征
B类：
卫星信号,自动调制识别,识别算法,空间认知,信号解调,具有特征,特征提取能力,数众多,计算量,难以实现,空间在轨,在轨应用,神经网络结构,取信,时域特征,通道特征,信噪比高,dB,识别准确率,高阶累积量,深度神经网络模型,树莓派,上计,计算速度,调制方式识别
AB值：
0.317353
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。
