MCLDNN：一种用于自动调制识别的时空多通道学习方法

简介：
MCLDNN是一种创新的时空多通道学习方法，专门针对自动调制识别设计。该模型通过整合时间与空间特征，在多个数据通道上进行深度学习，显著提升了信号分类的准确性和效率，为无线通信领域提供了强大的技术支持。 本段落介绍了用于自动调制识别（AMR）的时空多通道学习框架，并由徐嘉朗、杰拉德·帕尔和罗杨撰写。该论文提出了一个创新性的三流深度学习架构，旨在从单一及组合同相/正交(I/Q)符号中的调制数据中提取特征。所提出的框架结合了一维(1D)卷积、二维(2D)卷积以及长短期记忆(LSTM)层，能够更有效地从时间和空间角度进行特征提取。 实验结果表明，在基准数据集上应用此框架可以实现快速的收敛速度，并且提高了识别精度，尤其是在处理由16正交幅度调制（16-QAM）和64-QAM等高维方案调制信号时表现尤为突出。