调制样式

作品数：67被引量：154H指数：6
导出分析报告
相关领域：电子电信更多>>
相关作者：赵知劲李艳斌杨丽付仕平庄婵飞更多>>
相关机构：杭州电子科技大学电子科技大学解放军电子工程学院国防科学技术大学更多>>
相关期刊：《科技创新导报》《科学技术与工程》《电子科技大学学报》《计算机工程与应用》更多>>
相关基金：国家自然科学基金安徽省自然科学基金国防科技技术预先研究基金上海市科学技术委员会资助项目更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=信号处理x
共 条 记 录，以下是1-4
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于多尺度特征融合提取的调制样式识别算法
《信号处理》2025年第3期494-503,共10页杨嘉豪 张东坡 何劲 
国家自然科学基金重点项目(61934008)。
调制样式识别技术是通信信号侦查的重要组成部分,是对未知通信信号进行分类识别、信息提取的重要前提。现有的基于深度学习调制样式识别方法在低信噪比情况下特征提取能力较差,针对这一问题,本文提出了一个基于多尺度特征融合提取的信...
关键词：调制样式识别 卷积神经网络 多头注意力机制 组卷积 
基于多尺度时序特征的信号调制样式识别算法被引量：2
《信号处理》2021年第8期1507-1517,共11页崔凯 崔天舒 朱岩 张晔 黄永辉 赵文杰 
中国科学院复杂航天系统电子信息技术重点实验室自主部署基金(Y42613A32S)。
在认知无线电应用中,当前基于深度学习的信号调制样式识别算法存在运算效率低、复杂度较高的问题,为此本文提出了一种基于多尺度时序特征的信号调制识别算法。该算法首先利用多层卷积层提取不同尺度的时序数据,将数据进行特征融合后使...
关键词：认知无线电 信号调制样式识别 算法复杂度 多尺度时序特征 模型参数量 识别准确率 
利用并联CNN-LSTM的调制样式识别算法被引量：16
《信号处理》2019年第5期870-876,共7页翁建新 赵知劲 占锦敏 
为了提高基于卷积神经网络的调制样式识别算法性能,利用CNN的空间特征提取能力和LSTM时序特征提取能力,设计了CNN-LSTM并联网络,上支路由一层卷积层和一层池化层组成,下支路使用单层LSTM网络。直接将同向分量和正交分量作为输入数据,上...
关键词：调制样式识别 卷积神经网络 循环神经网络 并联 
利用稀疏自编码器的调制样式识别算法被引量：14
《信号处理》2018年第7期833-842,共10页杨安锋 赵知劲 陈颖 
"十二五"国防预研项目(41001010401)
针对传统调制样式识别算法对复杂幅相信号识别率低,所需特征参数多的问题,提出一种利用稀疏自编码器的调制样式识别算法。将稀疏自编码器和Softmax分类器级联构成识别系统,将两个高阶累积量特征参数的格雷码编码构成系统输入矢量,利用...
关键词：调制样式识别 高阶累积量 格雷码 深度学习 稀疏自编码器 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部