基于固定位宽LSTM神经网络的调制信号分类方法

本发明公开了一种基于固定位宽LSTM神经网络的调制信号分类方法，先构建传统的LSTM神经网络并训练，然后对LSTM神经网络的权重及偏置矩阵依次进行定点化和浮点化处理，得到基于固定位宽LSTM神经网络；接着实时采集待测调制信号并进行定点化和浮点化处理，然后将其输入至固定位宽的LSTM神经网络，这样便使用更小的浮点数精度实现对于调制信号类型的识别，可以大幅减小资源的消耗并且达到和高精度浮点数条件下近似的识别准确率。