基于時空聯(lián)合與注意力機(jī)制的調(diào)制識別研究與實(shí)現(xiàn)

摘要： 近年來，深度學(xué)習(xí)(Deep Learning, DL)在調(diào)制識別算法上的研究表明了其較傳統(tǒng)方法的優(yōu)越性。通過提取信號的空間或時間特征進(jìn)行分類通常具有較高準(zhǔn)確率，然而針對高階調(diào)制的分類精度卻存在一定偏差。為此，研究并實(shí)現(xiàn)了一種基于時空聯(lián)合特征注意力機(jī)制的調(diào)制識別算法。該算法在提取信號時空聯(lián)合特征的基礎(chǔ)上加入了一種自注意力機(jī)制，有效提升了高階調(diào)制的識別準(zhǔn)確率，具有很高的分類精度。同... （共10頁）