基于深度学习的自动调制识别:模型、数据集与挑战
信号处理
2022-07-21 v1
摘要
自动调制识别(AMR)在不需先验信息的情况下检测接收信号的调制方式以进行进一步信号处理,并在该信息缺失时提供基本功能。深度学习(DL)近期的突破为通信系统开发高性能 DL-AMR 方法奠定了基础。相比传统调制检测方法,凭借深度神经网络强大的特征提取与分类能力,DL-AMR 方法已取得令人满意的性能,包括高识别精度与低误报率。尽管潜力可观,DL-AMR 方法也带来了复杂度与可解释性方面的担忧,影响其在无线通信系统中的实际部署。本文旨在综述当前 DL-AMR 研究,重点关注适用的 DL 模型与基准数据集。我们进一步提供综合实验,从精度与复杂度两方面比较单输入单输出(SISO)系统的最先进模型,并提议将 DL-AMR 应用于带预编码的新多输入多输出(MIMO)场景。最后,讨论了现有挑战与可能的未来研究方向。
引用
@article{arxiv.2207.09647,
title = {Deep Learning Based Automatic Modulation Recognition: Models, Datasets, and Challenges},
author = {Fuxin Zhang and Chunbo Luo and Jialang Xu and Yang Luo and FuChun Zheng},
journal= {arXiv preprint arXiv:2207.09647},
year = {2022}
}