公开(公告)号：CN111314257B

公开(公告)日：2021-07-06

申请号：CN202010173742.X

申请日：2020-03-13

Applicant: 电子科技大学

Inventor： 杨海芬 ,  任艳 ,  李航宇 ,  王厚均 ,  周军

IPC: H04L27/00 ,  G06N3/04

Abstract: 该发明公开了一种基于复值神经网络的调制方式识别方法，涉及无线通信技术领域。针对通信领域中广泛存在的复数信号，本发明提出一种利用时域接收到的复数信号，不需要对接收到的信号提取任何参数，只需将复数数据输入到复值神经网络中进行训练，充分学习数据中实部与虚部的特征，便能得到较高的准确率，且比传统高阶累积方式高。相比实值，复数有更丰富的表达能力，复值神经网络学习复数的实部与虚部特征，更适用于绝大多数为复数表现形式的通信信号；本发明不用人为计算观察各个信号或特征值之间差异，不需人工设定阈值来区分信号的调制类型，神经网络就有分类器的功能。

公开(公告)号：CN111314257A

公开(公告)日：2020-06-19

申请号：CN202010173742.X

申请日：2020-03-13

Applicant: 电子科技大学

Inventor： 杨海芬 ,  任艳 ,  李航宇 ,  王厚均 ,  周军

IPC: H04L27/00 ,  G06N3/04

Abstract: 该发明公开了一种基于复值神经网络的调制方式识别方法，涉及无线通信技术领域。针对通信领域中广泛存在的复数信号，本发明提出一种利用时域接收到的复数信号，不需要对接收到的信号提取任何参数，只需将复数数据输入到复值神经网络中进行训练，充分学习数据中实部与虚部的特征，便能得到较高的准确率，且比传统高阶累积方式高。相比实值，复数有更丰富的表达能力，复值神经网络学习复数的实部与虚部特征，更适用于绝大多数为复数表现形式的通信信号；本发明不用人为计算观察各个信号或特征值之间差异，不需人工设定阈值来区分信号的调制类型，神经网络就有分类器的功能。