根据《非协作通信信号识别技术研究》所述，有学者将深度残差收缩网络模块与CNN-BiLSTM网络进行结合，构造了用于调制识别的 CBDDNN(Convolutional, Bi-directional Long Short-Term Memory, Deep Residual Shrinkage Module, Deep Neural Networks)网络。

其中，深度残差收缩网络指的是，为提高在含噪数据上的特征学习及识别，Zhao等人将信号降噪中的软阈值化概念引入传统残差网络(Residual Network, ResNet)中，于2020年提出了深度残差收缩网络(Deep Residual Shrinkage Networks, DRSN) 并应用于机械故障诊断。

经过不同数据集的仿真以及USRP实测数据的实验验证，CBDDNN网络可以有效提高低信噪比下识别率，并且适用于实际电磁环境信号的分类识别。