一种通信信号调制识别的自动模型压缩方法技术

一种通信信号调制识别的自动模型压缩方法，从数据出发，积累一定的数据以满足模型学习的要求，从足够的数据中挖掘数据特征的表示方式，采用深度确定性策略梯度算法，对于每个卷积层分别计算最优的剪枝比例，能够在加快推理速度的同时最小化重构误差，有助于通信信号调制识别过程中深度学习网络模型的自动压缩，能够替代人工参数调整。能够替代人工参数调整。能够替代人工参数调整。

【技术实现步骤摘要】
一种通信信号调制识别的自动模型压缩方法


[0001]本专利技术涉及一种通信信号调制识别的自动模型压缩方法，属于通信信号调制识别


技术介绍

[0002]通信信号调制识别通过对接收信号进行一系列信号处理获取信号的调制方式，可为选择合适的信号解调器提供依据，自动调制识别在军事和民用领域上均具有一定的意义和价值。采用深度学习方法搜索通信信号调制识别的神经网络模型时，残差网络调制识别模型可以较好的完成识别任务，但是，由于计算复杂度较高，模型参数量较大，限制了其在一些便携式设备端的部署和应用。实际应用过程中，在已有模型的基础上进行压缩裁剪，可以实现在保证精度的同时，获得一个更快、更小的模型。

技术实现思路

[0003]本专利技术解决的技术问题是：针对目前现有技术中，传统残差网络调制识别模型参数量较大，在便携式设备端应用容易被限制的问题，提出了一种通信信号调制识别的自动模型压缩方法。
[0004]本专利技术解决上述技术问题是通过如下技术方案予以实现的：
[0005]一种通信信号调制识别的自动模型压缩方法，步骤如下：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通信信号调制识别的自动模型压缩方法，其特征在于步骤如下：(1)将接收的通信信号按指定数量码元按序排列为码元图像，将通信信号转化为调制样式纹理图像进行识别；(2)构建残差网络结构模型；(3)设置最优稀疏比例参数，根据重构误差对残差网络结构模型每一层卷积网络进行通道剪枝；(4)对步骤(3)所得通道剪枝后的裁剪模型进行微调并获取所得模型的最终权值。2.根据权利要求1所述的一种通信信号调制识别的自动模型压缩方法，其特征在于：所述步骤(3)中，最优稀疏比例参数的获取方法具体为：根据残差网络结构模型各层卷积网络的参数、当前滤波器权值定义深度确定性策略梯度状态空间，根据目标错误率与单次浮点运算次数的乘积构建奖励函数，通过DDPG算法确定最大奖励函数时的确定性策略，获取最优稀疏比例参数a
t
，取值范围为[0,1]。3.根据权利要求1所述的一种通信信号调制识别的自动模型压缩方法，其特征在于：所述步骤(3)中，对残差网络结构模型每一层卷积网...

【专利技术属性】
技术研发人员：方宇强，张喜涛，宋万均，陈维高，殷智勇，
申请(专利权)人：中国人民解放军战略支援部队航天工程大学，
类型：发明
国别省市：