电子测量技术

作者：刘浩，鲁进，黎鹏，李成星

单位：1.云南大学信息学院 昆明 650504;2.云南大学云南省高校物联网技术及应用重点实验室 昆明 650504

关键词：调制识别;复值卷积;多融合;密集连接;自适应小波分解

基金：国家自然科学基金（61966037）、云南大学专业学位研究生实践创新项目（ZC-202410692）、云南省本科教育教学改革项目（JG2023178）资助

针对现有深度学习调制识别方法在低信噪比条件下识别性能显著下降，信号特征利用不充分的问题，提出了一种基于自适应小波分解的多融合复值卷积密集连接神经网络（AW-MCDCN）。AW-MCDCN将IQ与AP信号作为输入，通过采用密集连接构建深层网络来充分提取IQ信号的时域特征，同时加入AP信号形成异构特征互补；并根据复值卷积原理改进了经典的复值卷积网路设计了新的复值交叉卷积网络，此外，为解决传统复值网络参数量过大的问题，嵌入可学习小波分解层，自适应地捕捉信号的多尺度特征的同时加入频域特征。实验表明，在RML2018.01a数据集上，该模型最高达到98.31%的识别精度，平均准确率达到了64.59%，相比传统的网络结构提升了1.65%~18.91%，达到了SOTA性能。

来源：2026年第3期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第3期