-
公开(公告)号：CN116680608B
公开(公告)日：2024-10-18
申请号：CN202310505266.0
申请日：2023-05-08
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , G06N3/084 , H04L27/00
Abstract: 本发明属于通信领域，具体涉及一种基于复数图卷积神经网络的信号调制识别方法。将待识别信号数据集分解为I路与Q路信号；将I路与Q路信号数据利用可视图算法转化为图网络数据，并分成训练集、验证集和测试集；搭建复数图卷积神经分类网络模型；训练复数图卷积神经分类网络模型，并通过验证集调整复数图卷积神经分类网络模型的超参数和对复数图卷积神经分类网络模型的相关能力进行初步评估；将测试集输入至经训练验证后性能表现最好的复数图卷积神经分类网络模型中，输出信号调制方式的分类测试结果，以此来评估复数图卷积神经分类网络模型的性能。本发明旨在解决基于卷积神经网络的信号调制识别方法无法处理非结构化、非欧几里得、不具备平移不变性的信号数据，输入局部维度可变、局部排列无序的多模态数据会导致调制模式识别的结果不理想的问题。
-
公开(公告)号：CN116684233A
公开(公告)日：2023-09-01
申请号：CN202310710751.1
申请日：2023-06-15
Applicant: 哈尔滨工程大学
Abstract: 一种基于图像显著性检测的通信信号调制识别方法，它涉及一种通信信号调制识别方法。本发明为了解决现有通信信号调制识别方法不能在低信噪比情况下有效去除时频图像中背景噪声，导致对通信信号的调制识别准确率较低的问题。本发明能够在低信噪比情况下有效去除时频图像中的背景噪声，提高对通信信号的调制识别准确率。本发明属于通信信号调制识别技术领域。
-
公开(公告)号：CN116684233B
公开(公告)日：2024-10-18
申请号：CN202310710751.1
申请日：2023-06-15
Applicant: 哈尔滨工程大学
Abstract: 一种基于图像显著性检测的通信信号调制识别方法，它涉及一种通信信号调制识别方法。本发明为了解决现有通信信号调制识别方法不能在低信噪比情况下有效去除时频图像中背景噪声，导致对通信信号的调制识别准确率较低的问题。本发明能够在低信噪比情况下有效去除时频图像中的背景噪声，提高对通信信号的调制识别准确率。本发明属于通信信号调制识别技术领域。
-
公开(公告)号：CN116680608A
公开(公告)日：2023-09-01
申请号：CN202310505266.0
申请日：2023-05-08
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/042 , G06N3/084 , H04L27/00
Abstract: 本发明属于通信领域，具体涉及一种基于复数图卷积神经网络的信号调制识别方法。将待识别信号数据集分解为I路与Q路信号；将I路与Q路信号数据利用可视图算法转化为图网络数据，并分成训练集、验证集和测试集；搭建复数图卷积神经分类网络模型；训练复数图卷积神经分类网络模型，并通过验证集调整复数图卷积神经分类网络模型的超参数和对复数图卷积神经分类网络模型的相关能力进行初步评估；将测试集输入至经训练验证后性能表现最好的复数图卷积神经分类网络模型中，输出信号调制方式的分类测试结果，以此来评估复数图卷积神经分类网络模型的性能。本发明旨在解决基于卷积神经网络的信号调制识别方法无法处理非结构化、非欧几里得、不具备平移不变性的信号数据，输入局部维度可变、局部排列无序的多模态数据会导致调制模式识别的结果不理想的问题。
-
-
-
Search Results
4
records
(took 0.022 seconds)
