基于深度学习的通信辐射源调制样式识别方法

• 作者: 彭岑昕 李东瑾 杨瑞娟 王国超 董睿杰
• 来源期刊: 空军预警学院学报
• 学科: 工学
• 关键词: 通信辐射源 调制样式识别 小波阈值降噪 短时傅里叶变换 卷积神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 信息、情报与通信
• 页码范围: 427-431,441
• 页数: 6页
• 分类号: TN911.7
• 字数: 4955字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-5839.2019.06.008

摘要

针对自动调制分类中通信辐射源调制方式识别率低问题,提出了一种基于短时傅里叶变换(STFT)和卷积神经网络(CNN)结合的方法.该方法首先对通信辐射源信号进行小波阈值降噪,去除混在信号中的高斯白噪声;然后经过短时傅里叶变换,将一维时域信号变换成二维时频域图像,利用临近插值法降维;将时频图输入卷积神经网络进行训练,通过对超参数的选取,得到优化的卷积神经网络;最后采用softmax函数给出识别结果.仿真结果表明,当信噪比(SNR)为0 dB时,利用本文识别方法的宏平均值达到0.874以上,其性能显著优于传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨瑞娟		47	301	8.0	15.0
2	李东瑾		10	2	1.0	1.0
3	董睿杰		5	2	1.0	1.0
4	彭岑昕		5	2	1.0	1.0