来源：期刊VIP网 时间：
作者：张承畅;王艺培;李吉利;罗元;
单位：重庆邮电大学光电工程学院;
摘要：针对高复杂度的神经网络难以被部署在对低延迟和存储有严格要求的场景和接收设备中的问题，该文提出了一种基于轻量级残差网络的自动调制识别（AMR）框架。该框架将蓝图可分离卷积（BSConv）与Coord Gate相结合以实现轻量化的设计。为了弥补轻量化设计造成的性能损失，该文提出了使用改进的基于软池化（Soft Pool）的卷积注意力模块（CBAM）以提升模型的泛化能力和分类性能。实验结果表明，该文提出的轻量级AMR框架在性能提升的情况下参数量大幅减少，平均识别准确率为98.23%，参数量为87 057。
关键词：自动调制识别(AMR);;轻量级神经网络;;深度学习;;注意力机制
基金资助：重庆市研究生教学改革项目(yjg222025,YKCSZ23112);; 重庆市教育教学改革研究项目(213153);; 重庆邮电大学教育教学改革重点项目(XJG20103)
