基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高数字信号调制模式识别在低信噪比下的正确率,在对复杂度理论加以分析的基础上,提出了一种新的特征提取方法。该方法首先引入希尔伯特-黄变换求得样本的边际谱,然后利用分形和Lempel-Ziv复杂度的方法提取用于调制识别的特征参数,最后利用RBF神经网络分类器进行数字信号调制模式的分类识别。仿真结果表明该算法具有较好性能。
推荐文章
基于小波系数稀疏性的数字调制样式识别
稀疏性
调制识别
小波变换
基于深度卷积神经网络的数字调制方式识别
调制方式识别
深度学习
卷积神经网络
星座图
基于联合特征向量的自动数字调制识别算法
调制识别
特征向量
高阶统计量
欧氏距离
神经网络
一种基于小波变换和统计特征的数字信号调制模式识别方法
调制识别
特征参数
数字信号
小波变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于复杂度特征的数字调制模式识别
来源期刊 计算机工程与应用 学科 工学
关键词 调制识别 边际谱 复杂度 RBF神经网络 分形原理
年,卷(期) 2015,(4) 所属期刊栏目 信号处理
研究方向 页码范围 226-231
页数 6页 分类号 TN911.7
字数 4927字 语种 中文
DOI 10.3778/j.issn.1002-8331.1305-0394
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈翔 3 5 2.0 2.0
2 秦立龙 国防科学技术大学电子科学与工程学院 5 23 3.0 4.0
3 赵守林 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (64)
共引文献  (185)
参考文献  (16)
节点文献
引证文献  (2)
同被引文献  (8)
二级引证文献  (2)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(6)
  • 参考文献(1)
  • 二级参考文献(5)
2001(10)
  • 参考文献(1)
  • 二级参考文献(9)
2002(6)
  • 参考文献(1)
  • 二级参考文献(5)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(4)
  • 二级参考文献(0)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
调制识别
边际谱
复杂度
RBF神经网络
分形原理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导