10.3969/j.issn.0258-2724.20180164
基于深度学习的复合神经网络机场信号检测框架
针对信号调制识别对复杂通信环境缺乏适应性与精度不足的问题,提出一种基于深度学习的多特征复合神经网络框架.该框架首先使用前端卷积神经网络检测信号载波特征,再对前端初筛选信号执行预处理将其转换为信号时频图,最后设计了后端轻量化卷积神经网络,检测信号时频特征.基于TensorFlow平台的复合神经网络对机场真实信号检测精度达到99.23%,实验表明该方法可有效应用于实时机场信号检测.
调制识别、卷积神经网络、深度学习、载波特征、时频特征
54
V221.3(飞机构造与设计)
浙江大学CAD&CG国家重点实验室开放课题A1923;成都市科技项目2015-HM01-00050-SF
2019-08-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
863-869,878