基于多注意力残差网络和GRU的自动调制识别算法OA

针对自动调制识别(Automatic Modulation Recognition,AMR)技术在复杂电磁环境下部分调制信号易混淆、识别准确率较低的问题,提出一种基于多注意力残差网络和门控循环单元(Gated Recurrent Unit,GRU)的AMR模型。通过数据预处理增强信号的相位特征信息,利用自注意力机制使模型有效提取信号的相位偏移特征;设计了由坐标注意力机制、多尺度卷积和通道注意力机制组成的融合注意力残差模块(Fusion Attention Residual Block,FARB),增强对信号空间特征的关注度,有效提取信号的空间特征;使用GRU提取信号的时序特征,通过结合信号的时空特征,提高调制识别精度;通过全连接层进行调制信号分类。仿真结果表明,在RadioML2016.10b数据集上,提出的模型识别准确率有较大提升,且模型参数量少于大多现有模型。此外,对于其他模型易混淆的16-QAM和64-QAM两种信号,所提模型具有较好的识别能力。