一种基于深度学习技术的水声通信调制模式识别方法.pdf
萌运****魔王
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习技术的水声通信调制模式识别方法.pdf
本发明涉及一种基于深度学习技术的水声通信调制模式识别方法。该方法包括:构建深度学习卷积神经网络模型;预设训练集样本识别准确率T、测试集样本识别准确率P;获取不同调制方式实验数据或仿真数据;将每N个采样点数据作为一个原始数据样本,进行预处理;将预处理后数据样本随机划分为训练集和测试集;用训练样本集对其进行训练;判断训练集样本识别准确率是否达到预设值,当达到时,将输入切换为数据样本测试集,用数据样本测试集对进行测试;否则继续训练;判断测试集样本识别准确率是否达到预设值,当达到时则完成模型;否则,获取额外数据,
低信噪比下基于深度学习的调制模式识别方法.docx
低信噪比下基于深度学习的调制模式识别方法低信噪比下基于深度学习的调制模式识别方法摘要:在无线通信系统中,信号的调制模式识别是一项关键任务,用于判断接收到的信号的调制方式。然而,在低信噪比情况下,由于信号受到噪声的干扰,调制模式的识别变得更加困难。为了解决这个问题,本文提出了一种基于深度学习的调制模式识别方法。首先,通过深度学习模型对信号进行特征提取,然后利用支持向量机对提取的特征进行分类,最后通过实验验证了该方法的有效性。关键词:调制模式识别、低信噪比、深度学习、特征提取、支持向量机、实验验证1.引言随着
基于深度学习的通信信号自动调制识别技术.docx
基于深度学习的通信信号自动调制识别技术基于深度学习的通信信号自动调制识别技术摘要:随着无线通信的飞速发展,通信信号的自动调制识别成为了一个重要的研究领域。传统的调制识别技术往往面临着系统复杂度高、鲁棒性差、适应性差等问题。深度学习作为一种强大的机器学习方法,已经在多个领域取得了重大突破,也在通信信号自动调制识别中展现出了巨大的潜力。本文主要介绍了基于深度学习的通信信号自动调制识别技术的基本原理和方法,并讨论了其在实际应用中的优缺点。关键词:深度学习、通信信号、自动调制识别一、引言通信信号的自动调制识别是无
基于BP神经网络水声通信调制模式识别的研究.docx
基于BP神经网络水声通信调制模式识别的研究基于BP神经网络水声通信调制模式识别的研究摘要水声通信是一种在水下环境中进行信息传输的关键技术。在水声通信中,调制模式识别是一项重要任务,其目的是确定接收到的信号是由什么调制方式产生的。本文基于BP(Back-propagation)神经网络,对水声通信中的调制模式进行识别研究。首先,我们介绍了水声通信的背景和意义,并阐述了调制模式识别的重要性。然后,我们详细介绍了BP神经网络的基本原理和算法。接着,我们提出了基于BP神经网络的水声通信调制模式识别方法,并详细描述
水声通信信号调制模式识别算法研究.docx
水声通信信号调制模式识别算法研究水声通信信号调制模式识别算法研究摘要:随着人类对深海资源的需求不断增加,水下通信技术已成为海洋研究和资源开发的关键技术之一。水声通信作为一种可靠、高带宽的水下通信方式,受到了广泛关注。在水声通信中,调制模式识别是一个重要的问题,它可以帮助我们确定接收到的水声信号使用的调制方式。本文将介绍水声通信中常用的调制方式及其特点,并研究了当前流行的信号调制模式识别算法,包括数字信号处理、机器学习和深度学习算法。实验结果表明,这些算法在水声通信信号的调制模式识别方面取得了较好的效果。一