基于全双谱和卷积神经网络的信号分类方法

• 作者: 方成 薛质
• 来源期刊: 计算机应用研究
• 关键词: 全双谱 卷积神经网络 信号分类识别
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 3766-3769
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.054

摘要

为解决电磁频谱中的未知信号分类和身份识别问题,提出一种基于改进卷积神经网络(CNN) LeNet-5模型的信号分类方法.该方法使用信号全双谱作为CNN的输入,然后通过改进的LeNet-5模型学习信号特征并完成信号分类和身份识别.实验结果表明,算法对未知信号调制类型识别率达97％以上,对信号身份属性识别率达96％以上.相比传统方法,该算法对信号身份属性识别率提高6.5％,具有更好的泛化性能,并有效解决了全双谱应用的二维模板匹配和Loss函数值下降缓慢的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛质	上海交通大学信息安全工程学院	274	1489	18.0	25.0
2	方成	上海交通大学电子信息与电气工程学院	2	9	1.0	2.0