Key points are not available for this paper at this time.
自动调制识别（AMR）技术在集成感知与通信（ISAC）系统中未知信号的调制类型识别中发挥着重要作用。基于深度神经网络（DNN）的AMR被视为一种有前景的方法。考虑到典型ISAC系统的复杂性，手动设计DNN并对其各种分类的有限知识进行调整是非常繁重的。本文提出了一种基于神经架构搜索（NAS）的AMR方法，以自动调整DNN的结构和参数，并在训练和约束的组合下寻找最佳结构。所提出的NAS-AMR方法将提高模型搜索的灵活性，并克服由反向传播过程中的非可微量化函数引起的梯度传播困难。提供的仿真结果证实，所提出的NAS-AMR方法能够在各种ISAC电磁环境中识别调制类型。此外，与其他固定结构网络相比，我们提出的方法在低参数和浮点运算（FLOPs）条件下实现了最高的识别准确率.
张等（周一）研究了这个问题。