基于深度学习（DL）的自动调制识别系统

简介：
OFDM-OTFS调制识别是一个利用深度学习（DL）实现的自适应调制识别系统。在该系统中，我们构建了四类不同类型的训练数据集，并采用卷积神经网络（CNN）和Transformer架构作为特征提取模块来对各类调制信号进行分类辨识。我们共提供四个数据集，其中涉及5G与6G领域内广泛采用的调制技术。可通过以下链接访问：https://mailnwpueducn-my.sharepoint.com/u/gpersonalhoudongbin_mail_nwpu_edu_cnEf8WIcCdVwFGhXZyQhUk-w0BZOb0MluwHo-rDzm8jFTR3A?e=qlxUetGauss数据集涵盖高斯信道环境下采用OFDM技术的数据样本。该集合包含六种典型调制方式：二进制相移键控（BPSK）、四元相移键控（QPSK）、八元相位-shift键控（8PSK）、十六元幅度角点调制（16QAM）、六十四元相位-shift键控（64QAM）以及二百五十六元幅度角点调制（256QAM）。信噪比范围设定在-10dB至20dB之间，以2dB为步长分段。每一种信号类型独立运行2000次采样操作，整个数据集共计19.2万条样本。传输前对每个样本依次经过一系列预处理环节，包括但不限于通道编码、调制与映射等步骤进行准备。