基于卷积神经网络的3A信号分类

文档摘要：信号分类是一种重要的无线电技术,相比传统的分类方法,基于深度学习的方法具有更高的准确率和鲁棒性,可以应用于更加复杂的信号环境中.为了更好的区分ACARS、AIS、ADS-B这3种海空通信信号,本文提出了一种基于卷积神经网络的3"A"信号分类方法.将3种信号的I/Q数据加入噪声,转变为二维信号输入卷积神经网络实现对信号的分类.实验结果表明,在测试集上得到90%的准确率,对比传统基于特征的分类方法,该网络对信号的分类效果较好.

Abstract：Signalclassificationisanimportantwirelesstechnology.Comparedtotraditionalclassificationmethods,deeplearning-basedmethodshavehigheraccuracyandrobustness,andcanbeappliedtomorecomplexsignalenvironments.Inordertobetterdistinguishthesethreesea-aircommunicationsignals,namelyACARS,AIS,andADS-B,thisarticleproposesa3"A"signalclassificationmethodbasedonconvolutionalneuralnetwork(CNN).TheI/Qdataofthethreesignalsareaddedwithnoiseandtransformedintotwo-dimensionalsignalsforinputtotheCNNforsignalclassification.Experimentalresultsshowthatthenetworkachievedanaccuracyof90%onthetestset,andcomparedwithtraditionalfeature-basedclassificationmethods,thenetworkhadbetterperformanceinsignalclassification.

作者：蔡山  肖芙苏  张一嘉Author：CAIShan  XIAOFusu  ZHANGYijia
作者单位：浙江理工大学信息科学与工程学院,杭州310018
刊名：智能计算机与应用
Journal：IntelligentComputerandApplications
年，卷(期)：2024, 14(7)
分类号：TP183TN911.3
关键词：卷积神经网络  深度学习  信号分类  
Keywords：convolutionalneuralnetwork  deeplearning  signalclassification  
机标分类号：TP391.41TN911.7TP183
在线出版日期：2024年7月22日
基金项目：基于卷积神经网络的3"A"信号分类[
期刊论文]  智能计算机与应用--2024, 14(7)蔡山  肖芙苏  张一嘉信号分类是一种重要的无线电技术,相比传统的分类方法,基于深度学习的方法具有更高的准确率和鲁棒性,可以应用于更加复杂的信号环境中.为了更好的区分ACARS、AIS、ADS-B这3种海空通信信号,本文提出了一种基于卷积神经网...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：卷积神经网络,深度学习,信号分类,

2024-10-4 00:43 上传 基于卷积神经网络的3A信号分类.pdf

文件大小:

2.2 MB

下载次数:

60

高速下载