计算机应用

作者：周金, 李玉芝, 张徐, 高硕, 张立, 盛家川

单位：天津财经大学 理工学院，天津 300222

关键词：自动调制识别,生成对抗网络,坐标注意力机制,Transformer,复杂干扰

基金：天津自然科学基金资助项目(22JCYBJC01550);天津市教委科研计划项目(2023SK105)

自动调制识别（AMR）是无线通信系统的关键技术。针对AMR网络在复杂电磁环境下迁移能力较差以及对噪声和调制信号的特征区分能力不足的问题，提出去噪及双模态注意力Transformer及卷积融合网络（Denoising & Dual-modal Attention CNN-Transformer， D-DmACT）。首先，设计一种迭代生成复杂干扰的生成器和对抗干扰的判别器，增强模型在遭遇复杂电磁环境时的泛化能力；其次，设计基于复数注意力的Transformer模块，以捕获同相正交（IQ）信号的时域特征，并设计基于时频位置信息的坐标注意力模块，以获取时频图像的特征，并对两种特征进行交叉融合；再次，将判别器输出的时序复序列和时频图像送至双模态注意力融合模型；最后，实现轻量化的分类识别。在数据集RadioML2016.10a和RadioML2018.01a上分别开展的高斯白噪声以及复杂电磁环境下的识别实验的结果表明：在脉冲噪声的作用下，相较于CLDNN（Convolutional Long short-term Deep Neural Network）、残差网络（ResNet）和长短期记忆（LSTM）网络，所提网络的平均识别准确率分别提高了53.98%、28.82%和24.64%，而相较于多模态自动调制分类网络（MM-Net）、阈值自编码去噪卷积神经网络（TADCNN）和生成式对抗网络联合多模态注意力机制卷积长短期记忆网络（GAN-MnACL），所提网络的平均识别准确率分别提高了19.74%、13.55%和11.17%。在计算复杂度方面，通过参数量和浮点运算数（FLOPs）等指标验证了所提网络在终端的可部署性。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期