基于深度学习的无线电特征提取

• 作者: 何学智 林林 解金豹 黄自力
• 来源期刊: 无线互联科技
• 关键词: 无线电 特征提取 深度学习 非线性映射 卷积神经网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 无线天地
• 页码范围: 20-24
• 页数: 5页
• 字数: 3213字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6944.2018.11.010

摘要

文章针对现实环境下无线电通信环境复杂,通信方式复杂多变,且人工提取无线电特征工作量巨大又存在不稳定因素,提出基于神经网络学习的无线电特征提取方法.用深度卷积神经网络代替传统的特征提取算法对无线电时域信号进行编码学习;然后通过深度学习特征矢量的相似度,实现同类调制信号相同特征的自动匹配;最后,利用训练数据的类别标签信息自上而下对无线电特征进行微调,得到无线电深度学习表示向量以此训练全连接分类器实现无线电调制分类.实验结果表明,本方法能够有效克服传统线性分类方法的缺点,有效地提升无线电调制方式分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	解金豹		3	6	1.0	2.0
2	何学智		2	6	1.0	2.0
3	林林		3	6	1.0	2.0
4	黄自力		1	0	0.0	0.0