MCLDNN: 用于自动调制识别的时空多通道学习框架

本文档介绍了用于自动调制识别（AMR）的一种时空多通道学习框架——MCLDNN的官方实现。自动调制识别在现代通信系统中扮演着重要的角色。本研究由徐嘉朗、杰拉德·帕尔和罗杨共同完成，旨在提出一种新颖的三流深度学习框架，以从调制数据的单个和组合同相/正交（I/Q）符号中提取特征。

简介

MCLDNN框架集成了一维（1D）卷积、二维（2D）卷积和长短期记忆（LSTM）层，可以从时间和空间两个维度更有效地提取特征。在基准数据集上的实验表明，该框架具有高效的收敛速度，并能显著提高识别精度，特别是对于16-QAM和64-QAM等高维调制方案的信号。

使用说明

本存储库包含了论文中的MCLDNN实现和数据集。用户可以根据需求使用和修改这些资源。

引用

如果这项工作对您的研究有所帮助，请考虑以下引用：

@ARTICLE{9106397,
  author={J. {Xu} and C. {Luo}},
  title={标题},
  journal={期刊名称},
  year={年份},
  volume={卷号},
  number={期号},
  pages={页码范围}
}

请根据实际发表论文的详细信息替换上述引用模板中的内容。