基于DropBlock双模态混合神经网络的无线通信调制识别

• Published in: 电信科学 Vol. 38; no. 5; pp. 75 - 86
• Main Authors: 高岩, 石坚, 马圣雨, 马柏林, 乐光学
• Format: Journal Article
• Language: Chinese
• Published: 中国通信学会 20.05.2022; 人民邮电出版社有限公司; 嘉兴学院信息科学与工程学院,浙江 嘉兴 314000%嘉兴学院数据科学学院,浙江 嘉兴 314000%嘉兴学院信息科学与工程学院,浙江 嘉兴 314000; 河南理工大学计算机科学与技术学院,河南 焦作 454003%河南理工大学计算机科学与技术学院,河南 焦作 454003
• Subjects: BiGRU; 调制识别; DropBlock正则化; 双模态混合网络; ResNet
• ISSN: 1000-0801
• DOI: 10.11959/j.issn.1000-0801.2022099

自动调制识别作为信号检测和解调的中间步骤,在无线通信系统中起着至关重要的作用.针对现有自动调制识别方法识别精度低的问题,提出了一种双模态混合神经网络(bimodal hybrid neural network,BHNN),该网络利用多个模态中包含的互补增益信息来丰富特征维度.将改进的残差网络与双向门控循环单元并行连接,构建双模态混合神经网络模型,分别提取信号的空间特征与时序特征.引入DropBlock正则化算法,有效抑制网络训练过程中过拟合、梯度消失和梯度爆炸等对识别精度的影响.以双模态数据输入,充分利用信号的空间与时序特征,通过并行连接减少网络深度,加速模型收敛,提高调制信号的识别精度.为验证模型的有效性,采用两种公开数据集对模型进行仿真实验,结果表明,BHNN在两种数据集上识别精度高、稳定性强,在高信噪比下识别精度分别可达89%和93.63%.