現(xiàn)代戰(zhàn)場電磁環(huán)境日益復雜,信號密度不斷增加,雷達和通信信號的調(diào)制識別是電子對抗及電子偵察的重要環(huán)節(jié)。人工神經(jīng)網(wǎng)絡中的深度學習網(wǎng)絡由于具有強大的表征學習能力,可以從原始數(shù)據(jù)中提取出各種復雜的特征。采取中頻信號延遲自相關結合時頻分析的預處理方法,再將時頻信息作為卷積神經(jīng)網(wǎng)絡的輸入進行訓練,最終得到調(diào)制方法識別分類的結果�；诠ぷ鞯膶嶋H需求,對深度學習在信號調(diào)制識別中提出了一些展望,如進一步提高在低信噪比下的識別率和研究深度學習調(diào)制識別混合架構。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引 言
1 中頻信號預處理及時頻分析
    1.1 雷達和通信信號
    1.2 信號預處理
        1.2.1 信號去噪
        1.2.2 延遲自相關處理
        1.2.3 短時傅里葉變換
2 基于CNN的通信和雷達信號調(diào)制方式識別工作原理
    2.1 卷積神經(jīng)網(wǎng)絡(CNN)
    2.2 卷積網(wǎng)絡結構
    2.3 參數(shù)選取
3 仿真結果
    3.1 網(wǎng)絡采取不同通道數(shù)下的訓練結果
    3.2 不同信噪比下的訓練結果
4 結束語



本文編號：3885882