近日，自动化与信息工程学院“智能无人系统技术研究”652科研创新团队成员骆忠强教授在信息通信领域国际权威期刊《IEEE Transactions on Wireless Communications》上发表了题为“RLITNN: A Multi-channel Modulation Recognition Model Combining Multi-modal Features”的研究论文，提出了一种基于深度学习的全新自动调制识别模型，有效提升了低信噪比环境下调制信号的识别精度。
《IEEE Transactions on Wireless Communications》是信息通信领域的顶级期刊，属于中科院一区TOP期刊，影响因子高达8.9，隶属于IEEE Communications Society（IEEE ComSoc）协会，也是IEEE Signal Processing Society（IEEE SPS）的合作期刊之一。
该研究针对现有自动调制识别（AMR）技术在低信噪比环境下识别精度不足的难题，创新性地提出了一种名为残差卷积长短记忆改进Transformer-Encoder深度神经网络模型（RLITNN）的端到端AMR模型。该模型巧妙融合了卷积网络、LSTM网络和改进的Transformer-Encoder模块，能够有效地从不同模式的通信信号中提取多层次特征，并捕捉全局和局部特征信息，从而增强特征表示能力，实现在低信噪比环境下对调制信号的高精度识别。在RML2016.10A和RML2016.10B数据集上的实验结果表明，RLITNN模型的识别精度显著优于其他先进技术，展现出更强的特征学习能力和鲁棒性。
该研究成果在无线通信领域具有重要意义，为解决低信噪比环境下信号识别难题提供了新的思路和方法。未来，该团队将继续深入探索自动调制识别技术，并将研究成果积极应用于实际无线通信系统中。
论文链接：https://ieeexplore.ieee.org/document/10723256
