用于自动调制识别的时空多通道学习框架 作者：徐嘉朗（电子邮件： ）、、杰拉德·帕尔、罗杨。 论文“的”的官方实现。 该存储库包含论文中的 MCLDNN 实现和数据集。 介绍 自动调制识别 (AMR) 在现代通信系统中起着至关重要的作用。 我们提出了一种新颖的三流深度学习框架，以从调制数据的单个和组合同相/正交 (I/Q) 符号中提取特征。 所提出的框架集成了一维 (1D) 卷积、二维 (2D) 卷积和长短期记忆 (LSTM) 层，以从时间和空间的角度更有效地提取特征。 在基准数据集上的实验表明，所提出的框架具有高效的收敛速度并提高了识别精度，特别是对于由 16 正交幅度调制 (16-QAM) 和 64-QAM 等高维方案调制的信号。 引文 如果这项工作对您的研究有用，请考虑引用： @ARTICLE{9106397, author={J. {Xu} and C. {Luo} an

基于特征提取和模式识别的多体制通信信号自动调制识别技术是软件无线电领域中的重要研究课题，是复杂电磁环境下频谱管理、频谱检测等非协作通信领域的关键技术之一。提出一种基于深度学习的通信信号调制模式识别算法，应用自编码技术进行特征提取，获得具有较好的抗干扰能力的特征集，然后使用 BP神经网络对经过筛选的特征进行分类识别，实现了MQAM通信信号调制模式自动识别。仿真实验结果表明，所提出的方法分类识别效果好，有效提高了数字调制信号自动识别的抗干扰能力。

自动调制识别在认知无线电、智能解调器、电子侦察等各种民用及军事应用中扮演重要角色。自动调制识别属于分类问题，常见的方法有KNN、DT、SVM、CNN。为了提高自动调制识别的准确度，基于GNU Radio生成20种信噪比8种调制类型的IQ数据集，训练深度神经网络模型RESNET进行分类测试。实验结果显示自动调制识别的分类准确度提高了近12%。证明了RESNET 适用于自动调制识别，可以满足工程需求。

基于ANN的6种信号自动调制识别，内附完整代码。6种信号分别为2ASK、4ASK、2FSK、4FSK、2PSK、4PSK。适合初学者使用

实验目的： 实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号自动调制识别。 实验条件：windows 10，MATLAB 2014a 实验内容： 本实验设计了一个分层结构的MLP神经网络分类器。该分类器使用BP算法，自适应改变判决门限，6种调制信号的整体平均识别率为96.94。

一种基于深度学习的自动调制识别方法，周煜，刘芳，自动调制识别技术是一种无需人工参与即可自动识别未知接收信号调制方式的技术。它在许多民用和军用无线通信场景中均有广泛应用。

利用MATLAB实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号的自动调制识别，非常详细！