中文标题：PLS-YOLO：一种轻量化的信号调制识别模型

英文标题：PLS-YOLO: A Lightweight Model for Signal Modulation Recognition

来源期刊：电子与信息学报

基金项目：国家自然科学基金面上项目(52472174)，国家重点研发计划(2023YFB3208101)

作  者：周晓波¹ 张凡¹ 佘超² 周郭飞² 孟建平¹

作者单位：1. 北京交通大学电子信息工程学院 北京 100044
2. 公安部第一研究所 北京 100048

摘  要：自动调制识别是无线通信频谱监测与安全保障的关键技术。针对当前基于深度学习的自动调制识别模型难以兼顾高识别准确率与低模型复杂度的问题，该文提出一种基于视觉目标检测的轻量化识别方法。首先利用短时傅里叶变换将IQ信号转化为时频图，并采用拼图形式进行预处理，将调制识别任务转化为视觉目标检测问题。随后以YOLOv10n为基座，构建了 Precision and Lightweight Structure-YOLO (PLS-YOLO)模型。该模型通过重构网络核心模块、优化主干网络通道降维策略、设计新型下采样结构以及改进注意力模块的前馈网络，有效实现了识别性能与轻量化结构的平衡。在RadioML2016.10a和RadioML2016.10b数据集上的实验结果表明，PLS-YOLO的平均精度分别达到68.4%和72.6%；与YOLOv10n相比，其参数量减少了47.33%，浮点运算次数降低了34.15%，且帧率提升了5帧/秒。研究结果证实，PLS-YOLO模型在显著降低计算成本的同时，依然保持了优异的识别精度。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT251377