A2 -王，韩欧辰，郭靖，欧山建中，新欧孔，SP - 4809699 VL - 2021 AB -信号调制识别(SMI)一直是FBMC/OQAM系统(FBMC/OQAM)中滤波组多载波(FBMC/OQAM)的热点问题之一，通常是通过基于机器学习的特征提取来实现的。然而，传统的方法难以提取信号特征，导致正确分类的概率有限。针对这一问题，本文提出了一种基于深度学习的FBMC/OQAM信号识别的SMI方法。在FBMC/OQAM系统中采用了块重复来实现虚干扰消除。在提出的基于深度学习的SMI技术中，FBMC/OQAM信号的同相和正交样本由卷积神经网络训练。随后设计了漏层，防止过盈，提高了识别精度。为了评估所提出的方案，我们使用不同调制的数据集进行了大量的实验。结果表明，该方法比传统方法具有更高的精度。 SN - 1574-017X UR - https://doi.org/10.1155/2021/4809699 DO - 10.1155/2021/4809699 JF - Mobile Information Systems PB - Hindawi KW - ER -