【MindSpore模型】CBAM进行调制识别

在非合作通信中，识别敌方的信号参数是及其重要的一个环节。其中，信号的调制类型就是重要的参数之一，因此能对调制方式进行分类是通信系统检测、管理和控制的关键任务之一。

近年来，注意力机制在图像处理领域表现出巨大的优势，因此实验使用空间注意力机制与通道注意力机制，结合ResNet网络架构，从通道和空间域的各个维度中提取数据有用的特征。其中，实验所使用的数据集为RML2016.10a_dict。该数据集包含十一种调制类型数据，具体调制方式如下所示：OOK、4ASK、BPSK、QPSK、8PSK、16QAM、AM-SSB-SC、FM、GMSK以及OQPSK。

其中，通道注意力机制结构如下图1所示：

 图1 通道注意力机制

空间注意力机制结构如下图2所示：

图2 空间注意力机制

实验将模型源码迁移到MindSpore上，将该模型应用于通信中的调制识别问题。在信噪比为2dB时，网络对测试数据集的准确率达到84%左右。其中，所使用的平台为华为云资源：Ascend卡。

在处理验证无线电数据时，需注意lamda表达式的使用。其中，为更好的理解相关代码可参考以下链接。

常用函数之map函数_alenzzzhang的博客-CSDN博客_map函数

对于mindspore模型迁移、数据集处理及算子映射等问题，可参考我之前的一篇博文：

https://mp.csdn.net/mp_blog/creation/editor/121486589

查看mindspore中的CBAM可访问：

models: Models of MindSpore - Gitee.com