基于混合神经网络的CPM信号调制指数估计方法

摘要

针对传统调制指数估计算法适用范围有限、估计精度不足的问题，提出一种基于混合神经网络的连续相位调制（CPM）信号调制指数估计方法。该方法从CPM信号结构特点出发，通过将信号瞬时频率作为网络模型输入来减少冗余信息和频偏影响。同时，根据信号降噪理论和CPM信号有记忆性的特点，该方法在经典的深度残差网络的基础上引入软阈值化和上下文自注意力机制构成上下文残差收缩网络（CRSNet），来增强网络模型的降噪能力和长距离信息提取能力，并利用CRSNet模型估计得到调制指数信息。仿真结果表明，在信噪比为10 dB条件下，所提算法估计精度能够达到10^-4。与传统算法相比，所提算法有超过10 dB的性能增益，并且广泛适用多种类型CPM信号，不要求先验信息，为解决非合作接收场景下CPM信号盲解调问题提供参数支撑，具有实际应用价值。

关键词

连续相位调制 / 调制指数 / 参数估计 / 神经网络 / 自注意力机制