文献类型：期刊文章

作　　者：宋子豪[1] 程伟[1] 彭岑昕[2] 李晓柏[1]

SONG Zihao;CHENG Wei;PENG Cenxin;LI Xiaobai(Department of Intelligence, Air Force Early Warning Academy, Wuhan 430019, China;Unit 95246 of the PLA, Nanning 530001, China)

机构地区：[1]空军预警学院预警情报系,湖北武汉430019 [2]中国人民解放军95246部队,广西南宁530001

出　　处：《系统工程与电子技术》

年　　份：2021

卷　　号：43

期　　号：11

起止页码：3371-3379

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题,提出一种基于Choi-Williams分布(Choi-Williams distribution,CWD)和深度残差收缩网络(deep residual shrinkage network,DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵,对深度残差网络添加软阈值化得到DRSN,将时频矩阵样本用于对DRSN的训练,最终构建不同信噪比下的调制方式识别网络。仿真实验表明,基于RadioML2016.10a数据集,利用部分先验信息的情况下,该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时,对11类信号的总体识别准确率达到了89.95%;在2 dB以上时,总体识别准确率均超过91%,优于其他深度学习识别方法。

关 键 词：调制方式识别 软阈值化  Choi-Williams分布  深度残差收缩网络  

分 类 号：TN911.7]