首页> 中文期刊> 《无线电通信技术》 >基于深度学习的认知无线电调制参数估计

基于深度学习的认知无线电调制参数估计

         

摘要

自动调制分类是电磁空间感知的一个关键问题,目前传统的识别技术很难适应复杂的信号情况。现有的调制分类算法大多忽略了不同特征之间的互补性和特征融合的重要性。基于此,提出一种用于自动调制分类的图像特征融合方法。该方法充分利用了不同图像特征之间的互补性,通过格拉姆角场(Gramian Angular Field, GAF)方法将原始信号转换为图像,同时利用累积极坐标特征转换技术将接收到的信号从I-Q域转换为r-θ域,在r-θ域对原始信号进行特征编码然后转换为图像。使用深度学习对两种图像进行特征提取,将提取的特征融合后用作神经网络分类器的输入,以实现对多种类型信号的自动调制分类。实验结果表明,使用Swin-Transformer网络模型对转换后的图像进行分类,在信噪比大于4 dB的情况下,调制方法的识别率超过90%。

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