特征融合式轻量化调制识别方法设计与研究

摘要

物联网、边缘计算和可穿戴设备等万物互联的应用场景对无线网络领域信号调制识别方法所消耗的计算资源提出了要求.本研究针对调制识别任务中模型复杂度高、识别精度低的问题，设计了一种特征融合式的，联合深度残差收缩网络与门控循环单元的轻量化调制识别方法.该方法首先对原始IQ信号数据进行转换，生成包含信号相位信息的瞬时相位值；然后针对IQ数据和瞬时相位值这两种特定类型的数据，创新性地结合深度残差收缩网络在信号降噪和提升训练效率方面的显著优势，以及门控循环单元在序列特征提取的优秀性能，设计了一种轻量化的特征提取和分类识别模型；最后在代表一个复杂调制识别任务的公开数据集RadioML2018.01a上进行仿真验证，并在实际的边缘设备上部署推理.实验结果表明，本文方法在调制识别任务中具有更少的参数量和更高识别精度，在边缘设备上具有更快的推理速度，适用于资源受限的应用场景.

关键词

调制识别 / 轻量化 / 特征融合 / 深度残差收缩网络 / 门控循环单元