DOI:10．20079/j．issn．1001－893x．220111003引用格式:杨小蒙，张涛，庄建军，等．基于稀疏深度神经网络的电磁信号调制识别［J］．电讯技术，2023，63(2):151－157．［YANGXM，ZHANGT，ZHUANGJJ，etal．Modulationrecognitionofelectromagneticsignalbasedonsparsedepthneuralnetwork［J］．TelecommunicationEngineering，2023，63(2):151－157．］基于稀疏深度神经网络的电磁信号调制识别*杨小蒙1a，2，张涛2，庄建军1a，唐震1b，2(1．南京信息工程大学a．电子与信息工程学院;b．计算机与软件学院，南京210044;2．国防科技大学第六十三研究所，南京210007)摘要:为在低复杂度约束条件下提升电磁信号调制识别的性能，提出了一种基于稀疏深度神经网络(SparseDeepNeuralNetwork，SDNN)的电磁信号调制识别方法。首先，通过提取电磁信号同相和正交两路数据绘制出信号的星座图，作为信号的浅层特征表达;然后，基于星座图中各信号点密度大小对星座图进行上色，增强星座图中信号特征;最后，通过SDNN对增强后的星座图进行识别分类。实验结果表明，SDNN模型选取合适的剪枝率后，能够有效降低模型存储规模和计算量，其中模型参数压缩了72%，浮点运算量压缩了45%，与原模型97%的综合识别率相比，稀疏化处理后模型的综合识别率为96．8%，在小幅度识别精度损失范围内大幅降低了模型复杂度。关键词:电磁信号;调制识别;星座图;稀疏深度神经网络(SDNN)开放科学(资源服务)标识码(OSID):微信扫描二维码听独家语音释文与作者在线交流享本刊专属服务中图分类号:TN911．7;TN971文献标志码:A文章编号:1001－893X(2023)02－0151－07ModulationＲecognitionofElectromagneticSignalBasedonSparseDepthNeuralNetworkYANGXiaomeng1a，2，ZHANGTao2，ZHUANGJianjun1a，TANGZhen1b，2(1a．SchoolofElectronicandInformationEngineering;1b．SchoolofComputerandSoftware，NanjingUniversityofInformationScienceandTechnology，Nanjing210044，China;2．The63rdＲesearchInstitute，NationalUniversityofDefenseTechnology，Nanjing210007，China)Abstract:Inordertoimprovetheperformanceofelectromagneticsignalmodulationrecognitionunderlowcomplexityconstraints，anelectromagneticsignalmodulationrecognitionmethodbasedonsparsedepthneuralnetwork(SDNN)isproposed．First，byextractingthein-phase/quadraturedataoftheelectromagneticsignal，theconstellationofth...
