.png){kind=icon}
返回
Modulation Recognition Algorithm for Long-Sequence, High-Order Modulated Signals Based on Mamba Architecture
.png){kind=icon}
OA
AI
DOI：10.3390/app15179805.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了高阶调制信号的调制识别技术。针对现有基于深度学习的调制识别方法难以有效捕获高阶调制下长序列信号特征的问题，我们提出了一种集成卷积神经网络（CNNs）与Mamba2架构的ConvMamba模型。通过采用选择性状态空间模型，ConvMamba能够有效捕获长序列信号中的时序依赖关系。同时，它结合了CNNs的局部特征提取能力与软阈值去噪模块，形成兼具全局建模和抗噪能力的混合结构。在包含丰富高阶调制类型的Sig53数据集上的评估结果表明，与传统的CNN或Transformer基架构相比，ConvMamba在计算效率与识别精度之间实现了更好的平衡。与性能相当的Transformer模型相比，ConvMamba将计算复杂度降低了超过60%。与计算资源消耗相当的CNN模型相比，ConvMamba显著提高了识别精度。因此，ConvMamba在处理高阶调制长序列信号方面展现出显著优势。
Keyword:
automatic modulation recognition
high-order modulation
Mamba
CNN
signal processing
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
A
IF:
2.5
论文数:
1.9K
被引数:
15.9W
机构
暂无机构信息
引用论文
Transmission Performance of OFDM-based 1024-QAM under Different Types of Multipath Fading Channels
.png){kind=icon}
PREAI
分享收藏A Transformer and Convolution-Based Learning Framework for Automatic Modulation Classification基于变换器和卷积的自动调制分类学习框架
PREAI
分享收藏分享收藏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
查看更多内容