基于时频特征的卷积神经网络跳频调制识别

• 作者: 李红光 眭萍 郭英 齐子森
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 跳频信号 调制识别 卷积神经网络(CNN) 时频变换 卷积层
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 计算机技术
• 页码范围: 1945-1954
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.10.011

摘要

针对人工设计特征表征能力不足,提取难度大的问题,提出基于卷积神经网络(CNN)的跳频信号调制方式识别系统.该系统通过训练学习跳频信号时频图特征,将调制方式识别问题转化为图像识别问题.采用组合时频变换方法对跳频信号进行时频变换得到二维时频图;经过自适应维纳滤波算法滤除背景噪声,提高系统抗噪性;采用连通域检测和双线性插值算法提取跳频信号每跳时频图,对时频图大小进行重置调整;将已处理的时频图输入到设计的11层卷积神经网络中进行训练学习,通过在输出层增加Softmax分类器,实现跳频调制方式分类识别.仿真结果表明,该系统在信噪比为–4 dB条件下,对跳频信号BPSK、QPSK、8PSK、SDPSK、QASK、16QAM、32QAM和GMSK共8种调制方式的平均识别率达到92.54％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭英		144	1134	20.0	27.0
2	齐子森		35	299	11.0	16.0
3	李红光		24	38	3.0	5.0
4	眭萍		19	25	3.0	4.0