基于 BiLSTM 与注意力机制的实测无线信号调制分类
机器学习
2024-08-15 v1 信号处理
摘要
本文提出了一种新颖且高效的 quadstream BiLSTM-Attention 网络，简称 QSLA 网络，用于无线信号的鲁棒自动调制分类（AMC）。所提出的模型利用无线信号的多种表示作为网络输入，特征提取过程结合卷积层和 BiLSTM 层分别处理信号的空间特征和时间特征。在 BiLSTM 层之后使用注意力层来强调重要的时间特征。在近期且真实的 RML22 数据集上的实验结果表明，所提出模型具有优越性能，准确率高达约 99%。该模型在分类准确率、计算复杂度、内存使用和训练时间方面与文献中的其他基准模型进行了比较，以展示所提出方法的有效性。
引用
@article{arxiv.2408.07247,
title = {BiLSTM and Attention-Based Modulation Classification of Realistic Wireless Signals},
author = {Rohit Udaiwal and Nayan Baishya and Yash Gupta and B. R. Manoj},
journal= {arXiv preprint arXiv:2408.07247},
year = {2024}
}
备注
Accepted at the IEEE International Conference on Signal Processing and Communications (SPCOM) 2024