基于CBAM-CNN-BiGRU的Morse信号智能识别译码算法研究

无线电Morse报是不可或缺的短波通信方式之一,但其自动接收译码方法研究较少,尤其是低信噪比环境下识别准确率、速度无法达到实用要求.提出了一种端到端的智能识别译码算法,对Morse信号进行时频变换和伪彩色图像增强;利用融入卷积注意力机制模块(Convolutional Block Attention Module,CBAM)的卷积神经网络(Convolutional Neural Network,CNN),完成有效特征序列提取;通过双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)实现识别译码及报文预测输出.图像增强与CBAM模块有效解决了小训练样本及低信噪比情况下,识别准确率过低的问题;BiGRU模块保证了译码实时性.算法针对仿真及实测数据的字识别准确率分别达到98.81％和96.68％,报文译码准确率分别达到96.76％和85.91％,明显优于同类算法.