2024年│2期│1352024年第46卷第2期基于前置LSTM编码的残差-注意力网络的调制方式识别方法喻翔作者简介:喻翔(2001-),本科,研究方向为电子器件与材料工程。(兰州大学兰州730000)摘要高效的调制方式识别方法可以提高通信效率,推动通信行业的进一步发展。文中设计了一种基于前置LSTM编码的残差-注意力网络,其可以明显提高识别准确率。在第一部分,给出了网络的基本结构。该网络主体使用残差结构,前置LSTM层对数据序列编码,并采用加入了软阈值降噪的注意力机制。第二部分使用包含了24种调制方式的开源数据集作为数据来源,设计了多个实验来比较网络的性能表现,并探究了数据质量、调制方式、网络深度等多个因素对神经网络识别性能的影响。实验结果表明,文中搭建的网络表现优秀,在高信噪比数据下的准确率仍超过了95%。关键词:自动调制方式识别;卷积神经网络;残差连接;注意力机制中图分类号TN911.3ModulationRecognitionMethodforResidualAttentionNetworksBasedonPreLSTMEncodingYUXiang(LanzhouUniversity,Lanzhou730000,China)AbstractAnefficientmodulationrecognitionmethodcanimprovethecommunicationefficiencyandpromotethefurtherdevelopmentofthecommunicationindustry.Aresidual-attentionnetworkbasedonpre-LSTMcodingisdesignedinthispaper,whichcansignificantlyimprovetherecognitionaccuracy.Inthefirstpart,thebasicstructureofthenetworkisgiven.Themainbodyofthenetworkusestheresidualstructure,thepre-LSTMlayerencodesthedatasequence,andadoptstheattentionmechanismwithsoftthresholdnoisereduction.Inthesecondpart,usinganopen-sourcedatasetcontaining24modulationmethodsasthedatasource,severalexperimentsaredesignedtocomparetheperformanceofthenetwork,andexploretheimpactofdataquality,modulationmethod,networkdepthandotherfactorsontherecognitionperformanceofneuralnetworks.Theexperimentalresultsshowthatthenetworkbuiltinthispapercanachievethebestperformance,andtheaccuracyratestillexceeds95%underhighsignal-to-noiseratiodata.KeywordsAutomaticmodulationmethodrecognition,Convolutionalneuralnetwork,Residualconnection,Attentionmechanism1残差-注意力网络简介信息可以转为二进制编码,通过无线电磁波的形式进行远距离传输,突破空间限制。但由于天线等发射装置的物理尺寸限制,只有高频的信号才能获...
