基于卷积神经网络AlexNet的通信信号调制类型识别

作者:裴禹豪; 曲毅 武警工程大学研究生大队; 西安710086; 武警工程大学信息工程系; 西安710086

摘要:针对现有的信号调制类型识别算法人工选取特征复杂、识别率不高、鲁棒性差等问题,引入卷积神经网络算法,将AlexNet网络运用到对通信信号的调制类型识别上。选取2PSK、4PSK、8PSK、32QAM、64QAM五种信号的星座图特征用于识别,并与传统的基于高阶累积量的支持向量机识别方法做对比。相比传统的机器学习算法,基于卷积神经网络的识别方法在信噪比大于9dB时识别率均达到100%,在低信噪比下的识别率也优于前者且不需要复杂的人工筛选特征的过程。研究结果表明卷积神经网络算法能较好地用于信号的调制类型识别。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

武警工程大学学报

部级期刊 下单

国际刊号:2095-3984

国内刊号:61-1486/Z

杂志详情
相关热门期刊

服务介绍LITERATURE

正规发表流程 全程指导

多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。

保障正刊 双刊号

推荐期刊保障正刊,评职认可,企业资质合规可查。

用户信息严格保密

诚信服务,签订协议,严格保密用户信息,提供正规票据。

不成功可退款

如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。