近日，自动化与信息工程学院“智能无人系统技术研究”652科研创新团队成员骆忠强教授在信息通信领域国际权威期刊《IEEE Transactions on Wireless Communications》上发表了题为“RLITNN: A Multi-channel Modulation Recognition Model Combining Multi-modal Features”的研究论文，提出了一种基于深度学习的全新自动调制识别模型，有效提升了低信噪比环境下调制信号的识别精度。
《IEEE Transactions on Wireless Communications》属于中科院一区TOP期刊，影响因子高达8.9，隶属于IEEE Communications Society（IEEE ComSoc）协会，也是IEEE Signal Processing Society（IEEE SPS）的合作期刊之一。论文的第一作者及通讯作者为骆忠强教授，共同第一作者及通讯作者为肖文诗，第一署名单位为四川轻化工大学自动化与信息工程学院、人工智能四川省重点实验室，合作发表的第二单位为电子科技大学通信抗干扰全国重点实验室。
该研究针对现有自动调制识别（AMR）技术在低信噪比环境下识别精度不足的难题，提出了一种名为残差卷积长短记忆改进Transformer-Encoder深度神经网络模型（RLITNN）的端到端AMR模型。RLITNN模型巧妙地结合了卷积网络、LSTM网络和改进的Transformer-Encoder模块，能够有效地从不同模式的通信信号中提取多层次特征，并捕捉全局和局部特征信息。通过融合这些特征，RLITNN模型显著增强了特征表示能力，从而实现了在低信噪比环境下对调制信号的高精度识别。
在RML2016.10A和RML2016.10B数据集上的实验结果表明，RLITNN模型的识别精度显著优于其他先进技术，展现出更强的特征学习能力和鲁棒性。本研究成果的发表对于提升通信系统的性能和可靠性有重要意义；是学校自动化、信息工程和人工智能等多学科交叉融合的成果展现；同时，彰显了学校在信息通信领域的科研实力，有助于吸引更多优秀人才和科研资源。
未来，该团队将继续深入探索自动调制识别技术，并将研究成果应用于实际无线通信系统中，为推动我国信息通信技术的发展贡献力量。
论文链接：https://ieeexplore.ieee.org/document/10723256
【来源：骆忠强 编辑：新闻管理员 审核：张艳】
