本书对现有的基于深度学习的通信信号识别方法进行了总结，首先介绍了一般神经网络及其在通信信号识别中的应用，然后系统阐述了小样本条件下基于深度学习的通信信号分类识别方法，最后讨论了基于深度学习的通信辐射源个体识别技术，包括基于孪生网络的通信信号识别技术、基于深度学习的通信辐射源个体识别技术和基于GAN的小样本通信信号辐射源个体识别技术，书中理论与实践相结合，针对实际环境中可能出现的信号识别场景提出相应的技术路线，既有基本概念的阐述，也有深入的仿真分析。
本书可作为信息与通信工程、网络空间安全、电子对抗与工程等军内外专业本科生与研究生的教材或参考书，也可供通信领域的研究人员和工程技术人员学习参考。

第1章绪论
1.1常规通信信号识别分类方法
1.1.1信号分类特征设计
1.1.2基于判决树的分类方法
1.1.3基于模式识别的分类方法
1.1.4常规方法面临的主要问题
1.2基于深度学习的通信信号识别分类方法
1.2.1与常规方法的差别
1.2.2研究和发展现状
1.2.3面临的主要问题
1.3发展趋势
1.3.1基于深度学习的通信信号识别机理深化研究
1.3.2小样本条件下的通信信号识别技术研究
参考文献
第2章基于卷积神经网络的通信信号识别分类
2.1基于卷积神经网络的通信信号识别基础
……