一种改进残差神经网络的调制信号识别方法

在无线通信中,调制信号识别分类是非合作通信的重要组成部分,基于特征提取和模式识别的通信信号自动调制识别技术是无线电领域中的重点研究对象,传统的方法无法对各种调制信号进行分类,并且存在计算复杂度高且准确率低的缺点,利用神经网络可以实现多种调制信号的自动识别并取得很好的效果。文中提出一种改进残差神经网络的调制信号识别方法,改进的神经网络通过增大宽度,形成多流结构的残差神经网络,利用多流网络中不同的残差块提取出调制信号的多种特征,进而丰富了提取的信号特征类型,并且避免由于深度加深造成的过拟合现象。仿真实验结果表明,该神经网络框架优于现有的基于深度学习的方法,在信噪比为10 dB时能达到95%以上的准确率,有效地提高了数字调制信号自动识别的准确率。