基于深度学习的调制识别综述

孙姝君，彭盛亮，姚育东，杨喜

（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）

1 引言

调制识别是要识别出信号采用的调制方案，有着广泛的应用。在认知无线电中，调制识别有助于次级用户了解主用户信号的细节信息，是无线环境全面感知的重要组成部分；在智能通信中，调制识别能够减少调制信息的传输开销，实现信号的盲解调；在无线电监管中，调制识别有利于更精准地判断信号是否满足无线电管理规定；在电子对抗中，识别敌方信号的调制方案是有效实施无线电干扰和欺骗的前提[1]。

近年来，随着深度学习（deep learning, DL）的蓬勃发展，基于DL的调制识别技术越来越受到人们的关注。与传统调制识别方法不同，基于DL的方法采用深度神经网络（deep neural network,DNN）作为分类器，具有3方面的优势：第一，能够充分利用通信系统中存在的海量数据，有效改善调制识别精度；第二，能够实现自动提取特征，克服手动提取特征过程依赖专业背景和人工经验的难题；第三，能够持续受益于深度学习工具的快速迭代和演进，具备在复杂场景下解决复杂调制识别问题的潜能[2]。

2 相关基础

2.1 传统算法

传统的调制识别算法可分为两大类，即基于似然（likelihood based，LB）的算法和基于特征（feature based，FB）的算法[1]。LB算法将调制识别问题视为一个多元假设检验问题，它可以得到最优解，但其计算复杂度相对较高。参考文献[3]研究了平均似然比和广义似然比在调制识别中的应用。……