关键词modulation classification
搜索结果 - 9
- 通过深度学习联合信号检测和自动调制识别
信号检测和调制分类是各种无线通信系统中的两个关键任务,本文通过考虑含有不同调制方案的多个信号在不同载波频率下共存的真实和复杂情景,研究了联合信号检测和自动调制分类 (AMC),并提出了一个联合框架用于在这种多信号共存环境中进行检测和分类,最 - 深度学习压缩射频信号分类
我们提出了基于深度学习压缩(DLC)模型 HQARF 的方法,该模型利用了学习的向量量化(VQ)来压缩由 6 个调制类组成的复杂值射频信号样本,以提高人工智能模型对射频信号调制类别推断的性能,并减少带宽和存储的使用以及实时应用的延迟。
- 雷达信号特征化的多任务学习
本文提出了一种多任务学习(MTL)方法,即 IQ 信号变换器(IQST),用于雷达信号分类和表征,并在合成雷达数据集上展示了我们提出的 MTL 模型的性能,同时也提供了雷达信号表征的首个基准。
- 使用分辨率变换后的频谱图进行深度学习的调制分类
本文提出了一种利用卷积神经网络生成频谱图进行自动调制分类的方案,该方案通过对不同信号进行分辨率变换以达到 99.61%的计算负载降低和 8 倍的速度提升。所提出的方法在现有 CNN 模型上评估表现,取得了 91.2% 的最佳分类准确率,并且 - 智能无线电信号处理研究
近年来,随着大数据和计算技术的不断进步,人工智能已成为一种有用的工具,可以实现智能无线电信号处理,本文对智能无线电物理层中的调制分类、信号检测、波束成型和信道估计等方面进行了涵盖和总结,提出了 AI 技术的概述,概述了研究挑战和未来方向。
- 基于深度学习调制分类器的无线信道上空中对抗攻击
本研究考虑无线通信系统中的对抗攻击,通过不同的对抗方式,从而使得在考虑信道效果的情况下,仍然可以分类错误,结果表明在 Rayleigh 多径衰落信道下,无线调制分类易受到对抗攻击的影响。
- MM业余无人机的检测和定位的关键技术和系统权衡
本研究旨在提出一种使用监控无人机的调制分类和信号强度定位方法,以精确监测和定位非法飞行的业余爱好者随身携带的无人机,通过在合适高度飞行,调整监控无人机的位置等手段,提高监测和定位性能。
- 卷积无线电调制识别网络
本文研究了卷积神经网络在复杂时间无线电信号领域中的应用。我们比较了使用 naively learned 特征和使用专家特征进行无线电调制分类的有效性,并展示了显著的性能提升。我们表明在低信噪比下,使用深卷积神经网络进行大规模且密集编码时间序 - MM基于采样分布距离的最优判别函数用于调制分类
该论文提出了一种基于采样分布距离的最优判别函数方法,通过特定的测试点在累积分布函数上的分布距离对各种候选星座进行分类,该方法利用贝叶斯决策准则,并针对测试点进行了优化,具有明显的性能改进。