舰船电子对抗

在当代通信技术中，调制识别占据着至关重要的地位，特别是在非合作性通信场景下，其重要性尤为显著。将深度学习应用于调制识别成为研究热点，随着对深度学习的深入研究，对网络性能的优化来提高调制识别准确率成为难点。选择AlexNet网络作为基准网络，提出一种改进的挤压和激励(SE)模块，将通道的绝对重要性和相对重要性都纳入考量，再通过激励实现对通道重要性的重标定，提高对局部重要信息的捕捉能力。利用该网络对11种信号调制类型进行识别，相较于未添加模块的网络，准确率提高4%左右，总体识别率达到86%左右，计算量大大降低。实验证明了改进通道注意力模块对网络性能的优化作用。此方法对后续基于注意力机制的深度学习网络在调制识别中的应用有研究价值与意义。