收藏文章
摘要：
在复杂电磁环境区域中，较难获取信号调制类型。传统调制信号识别分类方法因自身缺陷导致识别成功率不佳。目前用于信号调制的深度学习方法均基于实数来表征和处理，但因丢失复数原本的内在联系而容易出现识别偏差。针对这种情况，文中将复数深度神经网络应用于电磁信号的调制识别，设计了复卷积、批归一化和全连接网络等复数卷积深度神经网络，并通过Softmax函数完成最终的分类任务。采用标准数据集RML2016.10a完成网络训练以及测试工作。实验结果表明，通过训练后的复数深度神经网络优于传统识别算法，可以有效提升电磁信号识别率。
基金项目：
国防预研(145AZB070002000X)
- 分类号：
页码：
1-6
刊物介绍
