共计 568 个字符，预计需要花费 2 分钟才能阅读完成。
在非单干通信中，辨认敌方的信号参数是及其重要的一个环节。其中，信号的调制类型就是重要的参数之一，因而能对调制形式进行分类是通信零碎检测、治理和管制的要害工作之一。近年来，注意力机制在图像处理畛域体现出微小的劣势，因而试验应用空间注意力机制与通道注意力机制，联合 ResNet 网络架构，从通道和空间域的各个维度中提取数据有用的特色。其中，实验所应用的数据集为 RML2016.10a_dict。该数据集蕴含十一种调制类型数据，具体调制形式如下所示：OOK、4ASK、BPSK、QPSK、8PSK、16QAM、AM-SSB-SC、FM、GMSK 以及 OQPSK。其中，通道注意力机制构造如下图 1 所示：
图 1 空间注意力机制构造如下图 2 所示：
图 2 试验将模型源码迁徙到 MindSpore 上，将该模型利用于通信中的调制辨认问题。在信噪比为 2dB 时，网络对测试数据集的准确率达到 84% 左右。其中，所应用的平台为华为云资源：Ascend 卡。在解决验证无线电数据时，需注意 lamda 表达式的应用。其中，为更好的了解相干代码可参考以下链接。https://blog.csdn.net/qq_4440… 对于 mindspore 模型迁徙、数据集解决、损失函数及算子映射等问题，可参考我之前的一篇博文：https://mp.csdn.net/mp_blog/c…
正文完
