基于改进型 Transformer 网络的高阶 QAM 调制分类研究

打开文本图片集

摘要：针对高阶正交振幅调制（quadrature amplitude modulation ，QAM）信号难以调制分类的问题，提出了一种基于改进型 Transformer 的深度学习调制分类方法，通过并行2个 Transformer 的编码器，分析了在加性高斯白噪声（additive white Gaussian noise ，AWGN）信道下，从4 QAM 到4096 QAM 的10种调制格式在信噪比从−10 dB 到30 dB 的自动调制分类效果。（剩余8909字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。