查看更多>>摘要:近年来,深度学习(Deep Learning,DL)在调制识别算法上的研究表明了其较传统方法的优越性.通过提取信号的空间或时间特征进行分类通常具有较高准确率,然而针对高阶调制的分类精度却存在一定偏差.为此,研究并实现了一种基于时空联合特征注意力机制的调制识别算法.该算法在提取信号时空联合特征的基础上加入了一种自注意力机制,有效提升了高阶调制的识别准确率,具有很高的分类精度.同时,基于GNU Radio开发框架实现,该算法能够部署于各类软件无线电嵌入式平台,具有通用性和实用性.利用GNU Radio Out of Tree(OOT)模块与开放神经网络交换(Open Neural Network Exchange,ONNX),将模型部署在嵌入式设备中进行DL推理.测试表明该算法在软件定义无线电(Software Defined Radio,SDR)平台下拥有较高识别准确率和推理速度,对高阶调制信号的分类精度高,同时在嵌入式环境下的推理与训练过程具有一致性.