基于多通道残差网络与注意力机制协作的调制分类

• Published in: 河南理工大学学报（自然科学版） Vol. 42; no. 1; pp. 160 - 167
• Main Authors: 邹波蓉, 李姗姗, 叶沛然, 侯庆华, 武会斌
• Format: Journal Article
• Language: Chinese
• Published: 河南理工大学 物理与电子信息学院,河南 焦作 454000%商丘工学院 信息与电子信息工程学院,河南 商丘 476000%郑州经贸学院 土木建筑学院,河南 郑州451191 2023
• Subjects: 注意力机制; 卷积神经网络; 调制分类; 残差网络; 深度学习
• ISSN: 1673-9787
• DOI: 10.16186/j.cnki.1673-9787.2021120081

TN911.7; 为了更加充分地提取调制信号特征,构建一种多通道残差网络与注意力机制协作的调制分类方法.首先设计一个各通道均不相同的多通道结构,确保提取的信号特征更加多样;其次,将每个通道提取的特征利用concatenate层进行融合,增强描述信号特征;之后,结合残差网络的优势,显著增加网络深度,捕获更具代表性的特征,同时缓解深层网络带来的梯度消失问题;最后,为了使提取的特征更加易于分类,引入注意力层,对提取特征重新校准,以捕获更加关键的特征,增加信号分类准确率.在公共数据集RadioML 2016.10 b上进行实验.仿真结果表明,该网络的分类性能优于许多文献中的分类器,当信噪比14 dB时,分类精度达到93.23％,证明了此网络的可行性与有效性.