典型文献
基于深度学习的常规调制信号与跳频调制信号识别
文献摘要：
跳频(Frequency?Hopping,FH)调制手段是扩频通信方法中的一类,具有很强的抗干扰性能,被广泛应用在军事通信领域.在战场的强电磁环境中,准确分类识别出跳频信号与常规调制信号,在判断敌我目标属性、实施通信干扰与抗干扰方面具有十分重要的意义.传统基于信号特征提取的跳频信号分类识别手段受信噪比影响大,在低信噪比条件下无法实现有效分类识别.对此,本文利用卷积神经网络实现跳频调制信号与常规调制信号的分类识别.首先通过小波变换得到信号的时频图像,之后将时频图像输入卷积神经网络进行分类识别.实验证明,相比于传统人工特征分类模型,基于卷积神经网络的分类识别模型受信噪比影响小,且分类识别准确率高,在信噪比大于-4?dB条件下,识别成功率达到98％以上.
文献关键词：
深度学习;卷积神经网络;跳频调制;调制识别
中图分类号：
作者姓名：
刘聪;韩东;李宁;张埂铭
作者机构：
海军大连舰艇学院学员五大队,辽宁 大连 116018;海军大连舰艇学院信息系统系,辽宁 大连 116018
文献出处：
引用格式：
[1]刘聪;韩东;李宁;张埂铭-.基于深度学习的常规调制信号与跳频调制信号识别)[J].电声技术,2022(08):59-64,68
A类：
跳频调制
B类：
调制信号识别,Frequency,Hopping,FH,扩频通信,通信方法,抗干扰性能,军事通信,通信领域,强电磁环境,跳频信号,敌我,目标属性,通信干扰,信号特征提取,信号分类识别,低信噪比,小波变换,时频图像,传统人工,特征分类,分类模型,分类识别模型,识别准确率,dB,别成,功率达,调制识别
AB值：
0.313959
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。
