10.3969/j.issn.1001-3695.2018.12.054
基于全双谱和卷积神经网络的信号分类方法
为解决电磁频谱中的未知信号分类和身份识别问题,提出一种基于改进卷积神经网络(CNN) LeNet-5模型的信号分类方法.该方法使用信号全双谱作为CNN的输入,然后通过改进的LeNet-5模型学习信号特征并完成信号分类和身份识别.实验结果表明,算法对未知信号调制类型识别率达97%以上,对信号身份属性识别率达96%以上.相比传统方法,该算法对信号身份属性识别率提高6.5%,具有更好的泛化性能,并有效解决了全双谱应用的二维模板匹配和Loss函数值下降缓慢的问题.
全双谱、卷积神经网络、信号分类识别
35
TP391.4(计算技术、计算机技术)
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
3766-3769