.png){kind=icon}
返回
Multilevel Adaptive Wavelet Decomposition Network-Based Automatic Modulation Recognition: Exploiting Time-Frequency Multiscale Correlations
.png){kind=icon}
PRE
AI
DOI：10.1109/TCCN.2025.3535738.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习赋能的自动调制识别（DL-AMR）是设计智能通信接收机的关键技术。然而，传统的DL-AMR方法往往无法充分使神经网络适应无线通信信号固有的特性，导致识别精度降低或网络复杂度增加。为解决这些挑战，本文提出了一种多级自适应小波分解网络（MAWDN），其利用时频多尺度相关性。MAWDN的结构包含三个关键模块：多通道特征提取、自适应小波分解和残差分类流。该网络首先通过多通道卷积神经网络处理I/Q信号以提取时域特征和通道间相关性。随后，这些特征通过自适应小波分解模块以增强频率特征分析。最终阶段采用残差分类流有效整合各小波尺度上的信息。我们在RML2018.01a和HisarMod2019.1数据集上评估了该模型。MAWDN在两个数据集上均表现出色，展示了跨数据集的强适应性。与基线模型相比，MAWDN显著提高了分类精度，且未显著增加模型复杂度。消融研究证实了每个模块对整体性能的积极影响。此外，本文包含特征提取过程的可视化，提供了对模型运行动态的直观理解。
Keyword:
Automatic modulation recognition
adaptive wavelet decomposition
multi-channel features
residual classification
time-frequency features
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K
机构
查看更多机构
引用论文
暂无论文信息