电信科学 ›› 2021, Vol. 37 ›› Issue (5): 82-90.doi: 10.11959/j.issn.1000-0801.2021114

• 专题:通信与AI融合 • 上一篇    下一篇

基于深度学习的调制识别综述

孙姝君1, 彭盛亮1, 姚育东2, 杨喜3   

  1. 1 华侨大学信息科学与工程学院,福建 厦门 361021
    2 史蒂文斯理工学院电子与计算机工程系,美国 新泽西州 霍博肯 07030
    3 吉首大学信息科学与工程学院,湖南 吉首 416000
  • 修回日期:2021-05-20 出版日期:2021-05-20 发布日期:2021-05-01
  • 作者简介:孙姝君(1997− ),女,华侨大学信息科学与工程学院硕士生,主要研究方向为无线通信、人工智能
    彭盛亮(1982− ),男,博士,华侨大学信息科学与工程学院副教授、硕士生导师,主要研究方向为认知无线电、人工智能、物联网等
    姚育东(1960− ),男,博士,史蒂文斯理工学院电子与计算机工程系终身教授。2011年当选国际电气电子工程师协会会士(IEEE Fellow),2015年当选美国国家发明家科学院院士(Fellow of National Academy of Inventors),2017年当选加拿大工程院院士(Fellow of Canadian Academy of Engineering)。主要研究方向为通信信息技术、人工智能、健康物联网
    杨喜(1978− ),男,博士,吉首大学信息科学与工程学院 教授、硕士生导师,主要研究方向为认知无线电、统计信号处理、智能信息与信号处理
  • 基金资助:
    国家自然科学基金资助项目(61861019);华侨大学中央高校基本科研业务费专项(ZQN-708)

A survey of deep learning based modulation recognition

Shujun SUN1, Shengliang PENG1, Yudong YAO2, Xi YANG3   

  1. 1 College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China
    2 Department of Electrical and Computer Engineering, Stevens Institute of Technology, Hoboken NJ 07030, USA
    3 College of Information Science and Engineering, Jishou University, Jishou 416000, China
  • Revised:2021-05-20 Online:2021-05-20 Published:2021-05-01
  • Supported by:
    The National Natural Science Foundation of China(61861019);The Fundamental Research Funds for the Central Universities(ZQN-708)

摘要:

调制识别是通信系统的基础任务之一,在认知无线电、智能通信、无线电监管、电子对抗等领域均有着广泛的应用。近年来,基于深度学习的调制识别技术以其在特征提取和识别性能方面的优势,日益成为研究的焦点。系统地梳理了基于深度学习的调制识别技术,首先介绍了相关基础,随后详细阐述了其系统架构、数据预处理方式、深度神经网络结构、常用数据集以及评价指标,最后分析展望了该技术未来的发展方向。

关键词: 深度学习, 调制识别, 数据预处理, 深度神经网络

Abstract:

Modulation recognition is one of the fundamental tasks for communications systems, which can be widely applied in various fields, such as cognitive radio, intelligent communications, radio surveillance, electronic warfare, etc.In recent years, deep learning (DL) based modulation recognition has attracted great attention due to its superiority in feature extraction and recognition performance.The techniques of DL based modulation recognition were systematically summarized.Firstly, some knowledge relevant to DL based modulation recognition was introduced.Then, the system architecture, data pre-processing methods, deep neural network structures, prevalent datasets and performance metrics of DL based modulation recognition were illustrated.Finally, the future directions of DL based modulation recognition were also discussed.

Key words: deep learning, modulation recognition, data pre-processing, deep neural network

中图分类号: 

[1] 朱召胜. 传递PTN价值 构建移动回传绿色精品网络[J]. 电信科学, 2009, 25(11): 97 -101 .
[2] . 联想服务器助力好耶广告网络邮件系统[J]. 电信科学, 2009, 25(11): 107 .
[3] 鲜永菊,董灿,张祖凡,吴东伟. LTE-A载波聚合下的载波切换分析[J]. 电信科学, 2009, 25(12): 46 -50 .
[4] 王建新,余建国. 宽带OFDM功放自适应数字预失真算法的研究与实现[J]. 电信科学, 2009, 25(12): 51 -56 .
[5] 赵 方,马 严,罗海勇,林 权. 基于顽健估计的室内节点定位算法[J]. 通信学报, 2008, 29(11): 15 -120 .
[6] 张 伟,谭国真,丁 男,商 瑶. 基于邻接传感器及神经网络的车辆分类算法[J]. 通信学报, 2008, 29(11): 18 -144 .
[7] 夏 明,董亚波,鲁东明,薛 平. RelicNet:面向野外文化遗址微气象环境监测的高可靠无线传感系统[J]. 通信学报, 2008, 29(11): 23 -185 .
[8] 李 云,王晓英,刘占军,周亚辉. DTN中链路中断特性的分析[J]. 通信学报, 2008, 29(11): 30 -236 .
[9] 魏悦川,孙兵,李超. FOX密码的不可能差分攻击[J]. 通信学报, 2010, 0(9): 8 -29 .
[10] 石文孝,范绍帅,王 柟,夏传军. 基于模糊神经网络的异构无线网络接入选择算法[J]. 通信学报, 2010, 0(9): 4 -160 .