基于DropBlock双模态混合神经网络的无线通信调制识别
Journal: Project Engineering DOI: 10.12238/pe.v2i6.10432
Abstract
本文旨在解决无线通信调制识别中精度低的问题,提出了一种基于DropBlock双模态混合神经网络的方法。该方法通过并行连接改进的残差网络(ResNet)与双向门控循环单元(BiGRU),构建双模态混合神经网络模型,以充分利用信号的空间和时间特征。DropBlock正则化技术被应用于防止网络过拟合,提升模型泛化能力。实验结果表明,该方法在不同信噪比下均展现出较高的识别精度和稳定性。本文的研究不仅丰富了无线通信调制识别的技术手段,也为深度学习在信号处理领域的应用提供了新的思路。
Keywords
调制识别;双模态混合网络;DropBlock正则化
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 陈煜,贺升权,余勤.基于轻量神经网络的无线电调制识别算法[J].电讯技术,2023,63(11):1696-1703.
[2] 刘学燕.基于人工神经网络的无线通信信号自动调制识别方法研究[J].现代传输,2024(4):23-27.
[3] 陈慧青.基于人工神经网络的通信信号调制识别算法研究[D].黑龙江:哈尔滨工业大学,2007.
[2] 刘学燕.基于人工神经网络的无线通信信号自动调制识别方法研究[J].现代传输,2024(4):23-27.
[3] 陈慧青.基于人工神经网络的通信信号调制识别算法研究[D].黑龙江:哈尔滨工业大学,2007.
Copyright © 2024 张巾莹, 臧晓

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License