一种基于优化卷积神经网络的OFDM信号调制识别方法

本发明公开了一种基于优化卷积神经网络的OFDM信号调制识别方法，包括：S1：对OFDM信号样本数据集进行预处理打标签；S2：构建CNN轻量化网络模型；S3：构建TransformerEncoder与CNN轻量化网络融合模型，将步骤S2中构建的CNN轻量化网络模型和TransformerEncoder模型进行融合形成新的分类训练网络：TransformerEncoder与CNN轻量化网络融合模型；S4：基于OFDM信号数据集对步骤S3得到的TransformerEncoder与CNN轻量化网络融合模型完成分类训练；S5：TransformerEncoder与CNN轻量化网络融合模型通过识别处理OFDM信号数据集中测试集得到对OFDM信号调制类型识别的结果。本发明方法适用于低信噪比环境、复杂信道传输条件中的快速实时处理，且无需事先获取前导码、同步信息等先验信息，也不需要利用MIMO‑OFDM多天线阵列传输信号的分布状态信息进行大量的推导计算。