公开(公告)号：CN108764077B

公开(公告)日：2021-03-19

申请号：CN201810462767.4

申请日：2018-05-15

Applicant: 重庆邮电大学

Inventor： 张祖凡 ,  王春 ,  甘臣权

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明请求保护一种基于卷积神经网络的信号调制分类方法，涉及信号调制分类领域。该方法的步骤为：1、同时利用平滑伪Winger‑Ville分布和Born‑Jordan分布，将接收到的信号转换成时频分布图；2、由于不同调制信号的时频图像不同，因此利用卷积神经网络自动提取这两种时频分布图的特征；3、利用多模融合模型将这些不同的时频图像特征进行融合；4、利用多层感知机完成信号的分类任务。本发明提出的基于卷积神经网络的信号调制分类方法，相对于传统的调制分类方法，利用了卷积神经网络自动提取特征，提高了信号在低信噪比下的识别性能。

公开(公告)号：CN108764077A

公开(公告)日：2018-11-06

申请号：CN201810462767.4

申请日：2018-05-15

Applicant: 重庆邮电大学

Inventor： 张祖凡 ,  王春 ,  甘臣权

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

CPC classification number: G06K9/00536 ,  G06K9/6288 ,  G06N3/0454

Abstract: 本发明请求保护一种基于卷积神经网络的信号调制分类方法，涉及信号调制分类领域。该方法的步骤为：1、同时利用平滑伪Winger‑Ville分布和Born‑Jordan分布，将接收到的信号转换成时频分布图；2、由于不同调制信号的时频图像不同，因此利用卷积神经网络自动提取这两种时频分布图的特征；3、利用多模融合模型将这些不同的时频图像特征进行融合；4、利用多层感知机完成信号的分类任务。本发明提出的基于卷积神经网络的信号调制分类方法，相对于传统的调制分类方法，利用了卷积神经网络自动提取特征，提高了信号在低信噪比下的识别性能。