面向信號調(diào)制識別的神經(jīng)網(wǎng)絡模型輕量化方法

摘要： 為了提高智能化信號調(diào)制識別任務的實時性，本文對用于信號調(diào)制識別的深度學習模型進行了輕量化研究．通道剪枝是減小模型復雜度的有效方法，但現(xiàn)有的方法受原始模型深度的限制，雖然剪枝后的計算量減少，但是加速效果并不明顯．針對上述問題，本文提出一種面向信號調(diào)制識別的神經(jīng)網(wǎng)絡模型輕量化方法，以卷積層作為最小剪枝單元，為每個卷積層生成代理分類器，根據(jù)代理分類器的分類精度評估卷積層的重要性，移除...