典型文献
基于特征融合的调制识别增强与迁移演化
文献摘要：
针对调制识别中单一图像的特征信息不足,区分度不够高,识别范围受限的问题.本文提出了一种基于时频图和星座图特征融合的调制识别特征增强方法,利用深度学习神经网络提取信号图像的特征,构建特征空间,通过多维特征融合,挖掘和整合不同特征的优势,增强模型算法的鲁棒性.此外运用了模型迁移的方法,仅需对分类器进行训练,大幅节约了训练时间和资源,具有很强的实时性和实用性.仿真结果显示,在0 dB左右的条件下,相比于单一特征图像,采用特征融合增强的方法能将信号的平均识别率提高约25％,通过模型迁移,省去了卷积神经网络的训练,所需的训练时间约为迁移前的9.6％,消耗内存约为迁移前的7.3％,同时模型的识别率损失控制在了 5％以内.
文献关键词：
调制识别;深度学习;图像特征;多维特征融合;迁移学习
中图分类号：
作者姓名：
钱磊;吴昊;乔晓强;张涛;张江
作者机构：
国防科技大学第六十三研究所 南京210007
文献出处：
引用格式：
[1]钱磊;吴昊;乔晓强;张涛;张江-.基于特征融合的调制识别增强与迁移演化)[J].电子测量技术,2022(18):153-160
A类：
B类：
调制识别,特征信息,区分度,时频图,星座图,识别特征,特征增强,增强方法,深度学习神经网络,取信,信号图像,特征空间,多维特征融合,增强模型,模型算法,外运,模型迁移,分类器,训练时间,dB,特征图像,融合增强,识别率,省去,失控,图像特征,迁移学习
AB值：
0.409991
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
