典型文献
基于循环谱和深度神经网络的调制识别算法
文献摘要：
针对通信调制信号的循环谱存在数据量大、 采用神经网络训练耗时等问题,提出了一种联合自编码器(Auto-Encoder,AE)和卷积神经网络(Convolutional Neural Network,CNN)同时完成数据降维和调制识别的算法——AE-CNN.该算法以循环频率轴的投影作为输入,采用AE实现对数据压缩,并将AE隐层输出至CNN,通过联合训练实现对6种不同信号的调制识别.同时分析了基于CNN、 主成分分析(Principal Component Analysis,PCA)和AE三种方法的识别性能.实验结果表明,与基于PCA和AE的算法相比,AE-CNN的识别性能分别提高了约1.6％和2.1％;相对于基于CNN的方法能够大幅减少训练时间,并在识别性能上提升约1.2％.
文献关键词：
深度神经网络;调制识别;循环谱;卷积神经网络
中图分类号：
作者姓名：
葛战;伍警;李兵;蒋鸿宇;周劼
作者机构：
中国工程物理研究院 电子工程研究所,四川 绵阳 621900
文献出处：
引用格式：
[1]葛战;伍警;李兵;蒋鸿宇;周劼-.基于循环谱和深度神经网络的调制识别算法)[J].无线电工程,2022(10):1718-1725
A类：
B类：
循环谱,深度神经网络,调制识别,识别算法,调制信号,数据量,神经网络训练,自编码器,Auto,Encoder,AE,Convolutional,Neural,Network,数据降维,循环频率,数据压缩,联合训练,Principal,Component,Analysis,三种方法,识别性,少训练,训练时间
AB值：
0.357682
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。
