Algoritmo de reconocimiento de modulación de señal basado en una red de canales múltiples espacio-temporales mejorada
Autores: Hou, Shunhu; Fan, Youchen; Han, Bing; Li, Yuhai; Fang, Shengliang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
El reconocimiento automático de modulación (AMR) juega un papel esencial en los sistemas de comunicación modernos. En los últimos años, han surgido varios algoritmos de reconocimiento de modulación basados en aprendizaje profundo, pero el problema de la baja precisión de reconocimiento no se ha resuelto bien. Para resolver este problema, basados en el algoritmo MCLDNN existente, en este documento, se propuso una red multicanales espacio-temporales mejorada (Características relacionadas con IQ Red Multicanal Convolucional Bi-LSTM con ruido gaussiano, IQGMCL). Primero, dividiendo las señales IQ de entrada en tres canales, se lleva a cabo la extracción de características de secuencia temporal para la ruta I, ruta Q y ruta IQ, respectivamente. Para la ruta IQ, se utiliza primero un núcleo de convolución (2,1) para extraer características relevantes. Se utilizan dos capas del pequeño núcleo de convolución (1,3) para extraer características de secuencia temporal de manera más efectiva, y los tres canales se utilizan para extraer características adicionales. Luego, se utiliza una red de memoria de corta longitud de dos capas para extraer características de tiempo y espacio de manera más efectiva. A través de experimentos de comparación, se introduce Bi-LSTM para reemplazar una capa de LSTM, y se elimina una capa completamente conectada para evitar el sobreajuste. Finalmente, se introduce ruido gaussiano multiplicativo para corroer naturalmente los parámetros de características, mejorando aún más la robustez y precisión del modelo. Se realizan experimentos en tres conjuntos de datos públicos RML2016.10a, RML2016.10b y RML2016.04C. Los experimentos muestran que la red IQGMCL tiene mayores precisión de reconocimiento en todos los conjuntos de datos, especialmente en el conjunto de datos RML2016.10a. Cuando la relación señal-ruido es de 4 dB, la precisión de reconocimiento alcanza el 93.52%. Cuando la relación señal-ruido es mayor que 0 dB, la precisión de reconocimiento promedio alcanza el 92.3%, 1.31% y 1.2% más alta que la red MCLDNN original, respectivamente.
Descripción
El reconocimiento automático de modulación (AMR) juega un papel esencial en los sistemas de comunicación modernos. En los últimos años, han surgido varios algoritmos de reconocimiento de modulación basados en aprendizaje profundo, pero el problema de la baja precisión de reconocimiento no se ha resuelto bien. Para resolver este problema, basados en el algoritmo MCLDNN existente, en este documento, se propuso una red multicanales espacio-temporales mejorada (Características relacionadas con IQ Red Multicanal Convolucional Bi-LSTM con ruido gaussiano, IQGMCL). Primero, dividiendo las señales IQ de entrada en tres canales, se lleva a cabo la extracción de características de secuencia temporal para la ruta I, ruta Q y ruta IQ, respectivamente. Para la ruta IQ, se utiliza primero un núcleo de convolución (2,1) para extraer características relevantes. Se utilizan dos capas del pequeño núcleo de convolución (1,3) para extraer características de secuencia temporal de manera más efectiva, y los tres canales se utilizan para extraer características adicionales. Luego, se utiliza una red de memoria de corta longitud de dos capas para extraer características de tiempo y espacio de manera más efectiva. A través de experimentos de comparación, se introduce Bi-LSTM para reemplazar una capa de LSTM, y se elimina una capa completamente conectada para evitar el sobreajuste. Finalmente, se introduce ruido gaussiano multiplicativo para corroer naturalmente los parámetros de características, mejorando aún más la robustez y precisión del modelo. Se realizan experimentos en tres conjuntos de datos públicos RML2016.10a, RML2016.10b y RML2016.04C. Los experimentos muestran que la red IQGMCL tiene mayores precisión de reconocimiento en todos los conjuntos de datos, especialmente en el conjunto de datos RML2016.10a. Cuando la relación señal-ruido es de 4 dB, la precisión de reconocimiento alcanza el 93.52%. Cuando la relación señal-ruido es mayor que 0 dB, la precisión de reconocimiento promedio alcanza el 92.3%, 1.31% y 1.2% más alta que la red MCLDNN original, respectivamente.