基于双通道LSTM模型的开放集调制识别
信号处理
2020-02-28 v1
摘要
深度神经网络在计算机视觉、语音识别等诸多领域取得了巨大成功。本通讯探讨了循环神经网络尤其是长短期记忆网络(Long Short-Term Memory, LSTM)在开放集通信信号调制识别中的潜力。时域采样信号首先被转换为两个归一化矩阵,随后输入一个为开放集调制识别定制的四层双通道LSTM网络。通过两个级联的双通道LSTM层,所设计的网络能够从原始数据中自动学习序列相关特征。借助中心损失和威布尔分布,所提算法可识别部分开放集调制方式。在公开RadioML数据集上的实验表明,所提模型可有效分类不同的模拟与数字调制方式,同时能识别部分开放集调制。对该数据集的定量分析显示,在0dB至18dB变化信噪比下对所述11类进行分类时,所提方法平均准确率达90.2%,而开放集实验的准确率大幅提升了14.2%。
引用
@article{arxiv.2002.12037,
title = {Open Set Modulation Recognition Based on Dual-Channel LSTM Model},
author = {Youwei Guo and Hongyu Jiang and Jing Wu and Jie Zhou},
journal= {arXiv preprint arXiv:2002.12037},
year = {2020}
}
备注
4 pages, 4 figures