中文摘要： 為了提高多變環境下調制信號識別的準確性、減少先驗知識不足等因素對識別結果的影響，研究人員逐漸采用深度學習技術來替代傳統的調制信號處理技術。為了解決低信噪比下調制信號識別精度低的問題，我們設計了一種具有深度閾值噪聲消除的多尺度分析調制識別網絡，在標簽平滑的對稱交叉熵函數作用下識別實際采集的調制信號。該網絡由一個具有深度自適應閾值學習的消噪編碼器和一個具有多尺度特征融合的解碼器組成。將兩個模塊進行跳躍連接，共同作用以提高整體網絡的魯棒性。實驗結果表明，該方法在低信噪比下比以前的方法具有更好的識別效果。該網絡展示了對噪聲閾值的靈活自學習能力以及所設計的特征融合模塊對各種調制類型的多尺度特征獲取的有效性。

關鍵詞： 信號消噪；深度自適應閾值學習網絡；多尺度特征融合；調制識別

作者：李響1，2，李一兵1，2，湯春瑞3，4，李迎松1，2

單位： 1哈爾濱工程大學信息與通信工程學院，中國哈爾濱市，150001

2哈爾濱工程大學先進船舶通信與信息技術工業和信息化部重點實驗室，

中國哈爾濱市，150001

3中煤科工集團重慶研究院有限公司，中國重慶市，400037

4瓦斯災害監控與應急技術國家重點實驗室，中國重慶市，400039

編輯：黃飛