基于CWD谱图和改进CNN的无线电调制分类
针对频率随时间的变化规律是不同调制信号之间最重要的区别,提出一种结合崔-威廉斯分布和改进卷积神经网络模型的无线电调制分类识别方法.在信号预处理阶段,为了更好保留信号的时频特征,引入崔-威廉斯变换将原始时间序列转换成时频图像,进而将调制信号分类问题转化成图像识别问题.在信号识别阶段,通过在卷积神经网络模型中引入残差密集块和全局平均池化层,以克服卷积神经网络模型泛化能力差和训练时间久等缺点.实验结果表明,所提方法可以有效解决梯度消失问题,具有识别率高、泛化能力强等优点.尤其是在低信噪比情况下,表现更为优异,在信噪比为-4 dB时,8 种信号的分类精度便可达到 100%.
无线电调制分类、崔-威廉斯分布、卷积神经网络、残差密集块
46
TN911.3
河南省科技攻关项目;河南理工大学博士基金
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
50-56