.png){kind=icon}
返回
Automatic Modulation Classification Based on Efficient Multimodal Feature Fusion
.png){kind=icon}
PRE
AI
DOI：10.1007/s11036-025-02487-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着5G-Advanced和6G技术的发展，无线通信环境正变得日益复杂，自动调制分类（AMC）已成为提升频谱效率与保障通信安全的关键技术。传统方法受限于信道模型依赖性及手动特征设计的不足，而现有深度学习模型在特征融合与时序建模方面仍存在局限。针对此问题，本文提出了一种基于图神经网络的跨模态特征融合模型MMF-GNN，该模型通过时频模态分支、时序动态分支和空间模态分支提取信号的多域特征，并利用异构图融合模块实现跨模态特征交互。在RML2016.10a数据集上的实验表明，MMF-GNN在所有信噪比条件下达到63.26%的平均分类准确率，显著优于MCLDNN和AMC-Net等对比模型。消融实验验证了各分支的有效性，其中异构图融合模块贡献最大。MMF-GNN在高阶调制及低信噪比场景下表现优异。本研究为复杂电磁环境下的调制分类提供了高效的跨模态融合框架。
Keyword:
Automatic modulation classification
Deep learning
Multimodal
Feature fusion
期刊
M
IF:
2
论文数:
38
被引数:
0
机构
暂无机构信息
引用论文
MCNet: An Efficient CNN Architecture for Robust Automatic Modulation ClassificationMCNet: 一种用于鲁棒自动调制分类的高效CNN架构
PREAI
分享收藏Robust Automatic Modulation Classification Using Convolutional Deep Neural Network Based on Scalogram Information基于小波尺度图信息的卷积深度神经网络鲁棒性自动调制分类.png)
Computers
OAAI
ComputersIF0
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Deep Learning-Based Automatic Modulation Classification Over MIMO Keyhole ChannelsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A novel LSTM architecture for automatic modulation recognition: Comparative analysis with conventional machine learning and RNN-based approaches. IEEE Access 13, 72526–72543一种用于自动调制识别的新型LSTM架构：与传统机器学习及基于RNN的方法的对比分析。IEEE Access 13, 72526–72543
IF0
PREAI
分享收藏Haoyang He, Jiangning Zhang, Yuxuan Cai, Hongxu Chen, Xiaobin Hu, Zhenye Gan, Yabiao Wang, Chengjie Wang, Yunsheng Wu, and Lei Xie. Mobilemamba: Lightweight multi-receptive visual mamba network. In Proceedings of the Computer Vision and Pattern Recognition Conference, pages 4497–4507, 2025.何昊阳、张江宁、蔡雨璇、陈宏旭、胡小斌、甘振烨、王亚飙、王成杰、吴云升和谢磊。Mobilemamba:轻量级多感受野视觉Mamba网络。载于计算机视觉与模式识别会议论文集，第4497-4507页，2025年。
IF0
PREAI
分享收藏
查看更多内容