.png){kind=icon}
返回
A Complex-valued hybrid deep learning models for automatic modulation recognition
.png){kind=icon}
OA
AI
DOI：10.1186/s13634-025-01254-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于实值深度网络模型的调制识别方法未能充分利用同相/正交（I/Q）信号中的复数特性。基于复数运算的自动调制识别已引起研究人员的关注。提出了一种用于自动调制识别的复数混合深度学习模型，命名为CCTL-Net。CCTL-Net采用复数卷积神经网络（CNN）从I/Q信号中提取局部特征，从而有效保留I/Q信号固有的复数相关信息。为增强不同通道间的相关性，设计了一个复数Squeeze-and-Excitation模块。复数Transformer和复数LSTM被用于从注意力和时序关系两个角度提取全局特征。为降低模型复杂度，设计了一个通道数较少且包含复数1D卷积网络的轻量化模型。CCTL-Net在RML22和RML2016.10a数据集上分别实现了70.71%和62.97%的平均准确率。实验结果表明，与实值混合模型和复数卷积网络相比，CCTL-Net能在更低的复杂度条件下提高识别准确率。
Keyword:
Automatic modulation recognition
Hybrid network
Complex-valued neural networks
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
E
IF:
1.9
论文数:
74
被引数:
3.0K
机构
引用论文
Enhancing Automatic Modulation Recognition for IoT Applications Using Transformers基于Transformer的物联网应用自动调制识别增强.png)
IoT
OAAI
IoTIF0
OAAI分享收藏分享收藏Complex Transformer: A Framework for Modeling Complex-Valued SequenceICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏Deep Learning Models for Wireless Signal Classification With Distributed Low-Cost Spectrum Sensors基于分布式低成本频谱传感器的无线信号分类深度学习模型OAAI
OAAI分享收藏Modulation Recognition of Underwater Acoustic Signals Using Deep Hybrid Neural Networks基于深度混合神经网络的水声信号调制识别
PREAI
分享收藏
查看更多内容