典型文献
基于CNN网络的通信干扰信号识别
文献摘要：
在现实生活中,通信干扰模式越来越复杂,要想有效抗干扰,干扰识别是关键.为了提高干扰信号的识别率,文章提出了一种基于卷积神经网络和短时傅里叶变换的干扰信号分类识别方法.首先利用短时傅里叶变换算法对干扰信号与二进制相移键控(Binary Phase Shift Keying,BPSK)通信信号的叠加信号进行时频分析,生成时频图像,将时频图像作为卷积神经网络的输入,卷积神经网络会自动对图像进行特征的提取和训练,实现对常见的通信干扰信号(连续波干扰、多音干扰、线性调频干扰、噪声调频干扰)的识别.仿真结果表明,文章算法对四种干扰信号的综合识别率达到了97.8％,在信干噪比为[0 dB,10 dB]的识别率为99.5％,与传统的识别算法相比,效果良好.
文献关键词：
通信干扰;干扰信号识别;短时傅里叶变换;卷积神经网络
中图分类号：
作者姓名：
张博轩;王圣举
作者机构：
宁夏回族自治区无线电监测站,宁夏 银川 750004;长安大学电子与控制工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]张博轩;王圣举-.基于CNN网络的通信干扰信号识别)[J].数字通信世界,2022(09):59-61,64
A类：
B类：
通信干扰,干扰信号识别,现实生活,想有,干扰识别,高干,识别率,短时傅里叶变换,信号分类识别,换算,二进制,相移键控,Binary,Phase,Shift,Keying,BPSK,通信信号,叠加信号,时频分析,时频图像,特征的提取,连续波,多音干扰,线性调频干扰,噪声调频干扰,综合识别,信干噪比,dB,识别算法
AB值：
0.366134
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。
