-
公开(公告)号：CN111898591A
公开(公告)日：2020-11-06
申请号：CN202010885528.7
申请日：2020-08-28
Applicant: 电子科技大学
Abstract: 本发明属于调制信号识别技术领域，具体涉及一种基于剪枝残差网络的调制信号识别方法。本发明包括获取输入调制信号,输入至残差网络训练,获取已完成训练的深度残差卷积层网络参数,提取调制识别残差模型中,所有归一化层的Gamma参数。对所有Gamma参数进行升序排列。设定全局的卷积核通道剪枝比例。根据剪枝比例,在升序排列的Gamma参数中确定剪枝的全局阈值；在所有归一化层中,删除小于全局阈值的Gamma参数及其上一层对应的卷积核通道。最后使用少量调制识别样本对剪枝的模型进行训练或使用全部调制信号训练样本从头训练。本发明相比之前的调制识别模型进一步减少了网络参数,压缩模型的大小,并大幅度减少了模型的运算量及推理时间。
-
公开(公告)号：CN111898591B
公开(公告)日：2022-06-24
申请号：CN202010885528.7
申请日：2020-08-28
Applicant: 电子科技大学
Abstract: 本发明属于调制信号识别技术领域，具体涉及一种基于剪枝残差网络的调制信号识别方法。本发明包括获取输入调制信号,输入至残差网络训练,获取已完成训练的深度残差卷积层网络参数,提取调制识别残差模型中,所有归一化层的Gamma参数。对所有Gamma参数进行升序排列。设定全局的卷积核通道剪枝比例。根据剪枝比例,在升序排列的Gamma参数中确定剪枝的全局阈值；在所有归一化层中,删除小于全局阈值的Gamma参数及其上一层对应的卷积核通道。最后使用少量调制识别样本对剪枝的模型进行训练或使用全部调制信号训练样本从头训练。本发明相比之前的调制识别模型进一步减少了网络参数,压缩模型的大小,并大幅度减少了模型的运算量及推理时间。
-
Search Results
2
records
(took 0.014 seconds)
