基于DSC-BiHRU的轻量级自动调制识别模型

2026.11.18点击:

摘要:随着6G无线通信的发展,轻量化、高效率自动调制识别(AMR)技术的重要性日益凸显。为了解决现有的AMR模型存在的计算复杂度高、模型参数量大等问题,本文提出了一种基于深度可分离卷积与双向混合循环神经网络单元的轻量级模型DSC-BiHRU-Net。该模型采用CNN与DSC结合的混合卷积结构提取信号局部特征,并利用LSTM与GRU交替组成的双向递归单元增强时序建模能力,在保证识别性能的同时显著降低了模型复杂度与计算开销。在公开数据集RML2018.01a上的实验结果表明,该模型仅需320KB存储空间和78.086K参数量,平均识别准确率达到76.37%,在不同信噪比下均表现出良好的鲁棒性。研究验证了所提模型在保持较高精度的同时具备优异的轻量化特性,适用于边缘计算等资源受限的通信场景,为6G智能无线电系统中的实时调制识别提供了可行解决方案。

关键词: 6G无线通信;信号调制识别;DSC-BiMRU-Net;深度可分离卷积;

DOI: 10.20153/j.issn.2096-9759.2026.09.007

专辑: 信息科技

专题: 电信技术

分类号: TN911.3;TN929.5