摘要

针对现有的通信信号调制方式识别方法在低信噪比(Signal to Noise Ratio,SNR)条件下存在识别率较低,调制类型较少和信道类型不够丰富等问题,提出了一种基于深度残差收缩网络的通信信号调制方式识别方法。根据调制识别领域的特点,构建改进的深度残差收缩网络模型,充分利用该网络的注意力机制和软阈值化进行降噪处理,提高模型在低SNR条件下的调制识别能力。实验结果表明,相比残差网络(Residual Networks,ResNet),卷积长短时深度神经网络(Convolutional Long-short-term Deep Neural Networks,CLDNN)和卷积门控循环深度神经网络(Convolutional Gated recurrent Deep Neural Network,CGDNN)模型,所提方法在低SNR和5种信道类型条件下对26种调制信号的识别中有效地降低了噪声的影响,在4dB以上时识别率达到了91.70%,10dB时识别率在98%以上,取得了较好的识别表现。