深度学习在无线电信号调制识别中的应用综述.pdf

综述与评论ReviewandComment深度学习在无线电信号调制识别中的应用综述袁冰清袁王岩松袁郑柳刚渊国家无线电监测中心上海监测站袁上海201419冤摘要院无线电信号的调制识别在无线电监测及频谱管理中有着至关重要的作用遥人工神经网络中的深度学习网络由于具有强大的表征学习能力袁可以自动从原始数据中提取出各种复杂的特征袁因此袁探索基于深度学习的无线电信号调制识别是目前无线电监测领域主要的发展趋势之一遥介绍了深度学习在无线电信号调制识别中的一些应用成果及存在的问题遥结合工作的实际需求袁对深度学习在无线电信号调制识别中提出了一些展望袁如进一步提高识别范围和在低信噪比下的识别率曰寻求新型深度学习调制识别混合架构遥关键词院调制识别曰深度学习曰卷积神经网络曰循环神经网络中图分类号院TN911曰TP391文献标识码院ADOI院10.16157/j.issn.0258-7998.183300中文引用格式院袁冰清袁王岩松袁郑柳刚.深度学习在无线电信号调制识别中的应用综述[J].电子技术应用袁2019袁45(5)院1-4.英文引用格式院YuanBingqing袁WangYansong袁ZhengLiugang.Asurveyofdeeplearningappliedtoradiosignalmodulationrecognition[J].ApplicationofElectronicTechnique袁2019袁45(5)院1-4.AsurveyofdeeplearningappliedtoradiosignalmodulationrecognitionYuanBingqing袁WangYansong袁ZhengLiugang(ShanghaiStationofStateRadioMonitoringCentre袁Shanghai201419袁China)Abstract院Modulationrecognitionofradiosignalsplaysavitalroleinradiomonitoringandspectrummanagement.Asthedeeplearningnetworkinartificialneuralnetworkhasthepowerfulabilityofrepresentationlearningwhichcanautomaticallyextractvari鄄ouscomplexfeaturesfromtheoriginaldata,exploringthemodulationidentificationofradiosignalsbasedondeeplearningisoneofthemaindevelopmenttrendsinthefieldofradiomonitoring.Thispaperintroducessomeapplicationresultsandexistingproblemsofdeeplearninginradiosignalmodulationrecognition.Combinedwiththeactualneedsofthework,thisreviewputsforwardsomeideasfordeeplearninginthemodulationrecognitionofradiosignals,suchasfurtherimprovingtherecognitionrangeandtherecognitionaccuracy,especiallyatlowSNR;seekingsomenewdeeplearninghybridarchitectureforradiosignalmodulationrecogni鄄tion.Keywords院modulationrecognition曰deeplearning曰convolutionneuralnetwork曰recurrentneuralnetwork遥贝叶斯决策论的实0引言基于统计机器学习理论的方法[1-3]无线电信号的调制识别是频谱监测过程中的重要现方法本质上可归结为一个多重假设检验的问题袁虽然组成部分袁也是难点之一遥随着现代无线电通信技术的理论完备袁但是通用性较差袁实现复杂度很高袁而识别率发展与应用袁无线电信号特征与电磁环境变得更加复却一般袁特别是在电磁环境复杂尧低信噪比条件下袁识别遥随着人工智能(ArtificialIntelligence袁AI)杂袁因此袁无线电信号更容易受到外界信号的干扰袁监测率会急剧下降[3]人员须对监测到的信号进行调制分析尧频谱波形比较等的兴起袁基于人工神经网络(ArtificialNeuralNetworks袁ANNs)的统计机器学习理论的信号调制识别渐渐成为才能判断信号的属性袁