FFRCNet: Frequency Domain Filtering and Re-Parameterized Convolutional Network for Automatic Modulation Classification

doi:10.1109/lcomm.2026.3726890

FFRCNet: Frequency Domain Filtering and Re-Parameterized Convolutional Network for Automatic Modulation Classification

2026-08-25

0

PRE

AI

DOI：10.1109/lcomm.2026.3726890

原文链接

原文求助

摘要

En 中文

自动调制分类（AMC）是指在没有先验知识的情况下识别接收信号的调制方式，在确保无线电通信的效率和安全性方面发挥着关键作用。然而，其高计算复杂度限制了在资源受限设备中的应用。本文提出了一种轻量级且高效的频域滤波和重新参数化卷积网络（FFRCNet）来解决这一问题。FFRCNet利用多尺度卷积和实值全局滤波器来提取特征并去除冗余信息。此外，采用重新参数化方法来降低计算复杂度并提高推理速度。在RadioML2016.10a和RML22数据集上的实验结果表明了所提出的FFRCNet的有效性。在RadioML2016.10a上，FFRCNet在6 dB时达到93.91%的准确率，并在所有信噪比（SNR）下平均准确率为63.63%。在RML22上，FFRCNet在6 dB时达到93.73%的准确率，平均准确率为71.57%。采用重新参数化方法将FFRCNet的参数减少了49.98%，并将推理时间提高了至少50.83%。

Keyword:

Automatic modulation classification

lightweight

frequency domain filtering

re-parameterization

FFRCNet: Frequency Domain Filtering and Re-Parameterized Convolutional Network for Automatic Modulation Classification

摘要

期刊

机构

引用论文