-
公开(公告)号：CN111444805B
公开(公告)日：2023-03-17
申请号：CN202010195282.0
申请日：2020-03-19
Applicant: 哈尔滨工程大学
IPC: G06F18/10 , G06F18/2411
Abstract: 本发明提供了一种基于改进的多尺度小波熵数字信号调制识别方法，在基于统计模式的识别方法框架下利用基于信号多尺度小波熵的特征提取方法得到最终代表信号的特征，然后利用极限学习机分类器进行分类，在信噪比为‑15dB时，平均识别率仍能达到90％以上。对于PSK类信号，得到描述其相位信息的相位函数，再次计算相位函数的多尺度小波熵特征，得到的信号特征更为稳定，相对于传统的特征，能够更好的区分PSK类信号；所提取的信号特征抗噪声性能好，即使在较低信噪比的情况下也能达到理想的识别率。
-
公开(公告)号：CN109766791B
公开(公告)日：2023-01-06
申请号：CN201811589298.9
申请日：2018-12-25
Applicant: 哈尔滨工程大学
IPC: G06F18/00 , G06F18/2411 , G06F18/2135 , G06F18/214 , G06N3/0455 , G06N3/084
Abstract: 一种基于自编码器的通信信号调制识别方法，属于通信技术领域。本发明包括模拟产生各个信噪比下的待分类信号；将待分类的信号进行预处理；使用自编码器对经过预处理的信号进行特征提取；使用核主成分分析KPCA方法对提取的特征进行降维处理；产生数据集，根据降维处理所得特征，随机产生每类调制信号的训练样本和测试样本，得到训练样本集合、测试样本集合以及相应的类标签集合，并对数据集进行归一化处理；用训练样本集合对支持向量机SVM分类器进行训练，将测试样本集合输入训练好的分类器，并计算平均识别率。本发明比时域特征或频域特征具有更好的抗噪声性能；所提取的特征具有更好的类内聚集度和类间分离度；大大减少了计算复杂度；抗噪声性能好。
-
公开(公告)号：CN109766791A
公开(公告)日：2019-05-17
申请号：CN201811589298.9
申请日：2018-12-25
Applicant: 哈尔滨工程大学
Abstract: 一种基于自编码器的通信信号调制识别方法，属于通信技术领域。本发明包括模拟产生各个信噪比下的待分类信号；将待分类的信号进行预处理；使用自编码器对经过预处理的信号进行特征提取；使用核主成分分析KPCA方法对提取的特征进行降维处理；产生数据集，根据降维处理所得特征，随机产生每类调制信号的训练样本和测试样本，得到训练样本集合、测试样本集合以及相应的类标签集合，并对数据集进行归一化处理；用训练样本集合对支持向量机SVM分类器进行训练，将测试样本集合输入训练好的分类器，并计算平均识别率。本发明比时域特征或频域特征具有更好的抗噪声性能；所提取的特征具有更好的类内聚集度和类间分离度；大大减少了计算复杂度；抗噪声性能好。
-
公开(公告)号：CN111444805A
公开(公告)日：2020-07-24
申请号：CN202010195282.0
申请日：2020-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于改进的多尺度小波熵数字信号调制识别方法，在基于统计模式的识别方法框架下利用基于信号多尺度小波熵的特征提取方法得到最终代表信号的特征，然后利用极限学习机分类器进行分类，在信噪比为-15dB时，平均识别率仍能达到90％以上。对于PSK类信号，得到描述其相位信息的相位函数，再次计算相位函数的多尺度小波熵特征，得到的信号特征更为稳定，相对于传统的特征，能够更好的区分PSK类信号；所提取的信号特征抗噪声性能好，即使在较低信噪比的情况下也能达到理想的识别率。
-
-
-
Search Results
4
records
(took 0.024 seconds)
