首页> 中文期刊> 《煤炭技术》 >基于深度学习的井下信号调制识别研究

基于深度学习的井下信号调制识别研究

         

摘要

为识别矿井Nakagami-m衰落信道下的无线信号调制方式,研究了基于深度学习的端到端调制识别方法。首先对接收端IQ信号提取实部和虚部数据作为数据集,并搭建组合深度神经网络模型(CLDNN)对11种井下无线信号进行识别。仿真结果表明,当信噪比(SNR)为0时,平均正确识别率为75.3%,当SNR为5 dB以上时,平均正确识别率可达到92.4%以上,相比于经典的深度学习调制识别方法,所提出的端到端深度神经网络模型可以更准确识别矿井无线信号。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号