基于卷积神经网络的调制样式识别

王彦朋 冀宝安 王晓君

摘要：随着科学技术的进步，调制样式识别应用越来越广，信号调制是将原始的基带信号的频谱搬移到适合在信道中进行 的传输的通带内的过程。大多数通信系统调制样式识别分为人工手动识别和机器自动识别，与人工手动识别相比，基于卷积神经网络自动识别提取数据特征的方法不仅识别率高，而且准确率更高，因此研究 卷积神经网络调制样式识别具有非常重大意义。

关键词：卷积神经网络;调制样式识别;通信信号

通信信号的调制样式识别[1]在现代无线通信存在广泛的应用。在如今复杂的无线通信环境中，通信信号的信息量越来越大。研究如何自动调制样式识别具有很高的应用价值。其调制样式识别主要研究包括信号预处理、特征提取、和分类识别，其流程如图1所示

4 总结

本文介绍了使用卷积神经网络应用于调制样式识别，对自动调制样式识别[5]进行理论推导和实验验证，证明了卷积神经网络在调制样式识别具有很强的优势，卷积神经网络直接从原始数据出发，利用多層神经网络找到数据的内在表达的有效特征，为后续设计通信信号调制样式识别系统奠定关键技术基础。

参考文献：

[1]史先铭.通信信号的特征提取与识别的算法研究[D].无锡：江南大学，2016：14-15.

[2]张晴晴，刘勇，潘接林，颜永红.基于卷积神经网络的连续语音识别.工程科学学报，2015，37（09）：1212-1217.

[3]N.Srivastava，G.Hinton，A.Krizhevsky，I.Sutskever，and R.Salakhutdinov.Dropout：a simple way to prevent neural networks from overfitting[J].Journal of Machine Learning Research，vol.15，no.1，pp.1929-19-58，2014.

[4]T J.O' Shea，hops：//radioml.com/datasets/radioml-2016-04-dataset/.

[5]Azzous.E.E，Nandi.A.K.Automaticidentificationof digital modulations[J].Signal Pocessing.1995，47（1）：55-69.

作者简介：第一作者王彦朋，男，河北石家庄人，硕士研究生导师，河北科技大学教授，主要研究领域为电子信息;第二作者冀宝安，男，河北保定人，河北科技大学硕士研究生，主要研究领域为深度学习，信号处理;第三作者王晓君，男，河北张家口人，硕士研究生导师，河北科技大学教授，主要研究领域为导航技术，模式识别。