典型文献
数据驱动的RF信号深度调制识别方法
文献摘要：
基于卷积结构的信号调制识别神经网络的识别性能受信号调制类型种类限制.例如,在12 dB信噪比条件下,同时对24种信号调制类型进行识别,其识别准确率仅为80％.若需要进一步提高识别性能,则要求更复杂的网络模型,导致网络训练所需数据集规模和硬件资源成本增大.鉴于此,针对无线电信号特征,设计一种适用于无线电信号调制识别的紧致残差神经网络,将其作为信号调制类型特征学习和特征提取工具,实现从原始I、Q数据到信号调制类型的端到端识别.利用迁移学习降低网络重新训练所需样本数,增强在无线信道响应发生变化时的环境适应能力,降低训练阶段所需的硬件资源和训练数据集规模.研究表明,当信道脉冲响应改变时,所提的信号调制识别神经网络在信噪比为12 dB条件下的识别性能达到95％,多个对比实验验证本文所设计神经网络的识别性能具有优势.
文献关键词：
深度调制识别;残差神经网络;迁移学习;数据驱动;卷积神经网络
中图分类号：
作者姓名：
徐亚军;郭恩豪;陈林;司成可
作者机构：
中国民用航空飞行学院航空工程学院,四川 广汉618307;同方电子科技有限公司,江西 九江332000
文献出处：
引用格式：
[1]徐亚军;郭恩豪;陈林;司成可-.数据驱动的RF信号深度调制识别方法)[J].计算机与现代化,2022(06):80-86,95
A类：
深度调制识别
B类：
RF,信号调制,识别性,dB,识别准确率,若需,网络训练,硬件资源,资源成本,无线电信号,信号特征,紧致,致残,残差神经网络,类型特征,特征学习,端到端,迁移学习,新训,无线信道,环境适应,训练阶段,训练数据集,信道脉冲响应
AB值：
0.261343
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。
