设计应用

基于深度学习的互联网接收机中特定信号识别

作者：宁昭义，许国宏，王耀磊
发布日期：2024-05-27
来源：电子技术应用

引言

信号检测提取一般用于判断接收到的数据中是否存在实际应用中所需要的信号，它是信号处理的前端技术。但是检测性能容易受到不同信道中的噪声强度影响，信噪比的值越大，利用检测技术在检测期间出现错误和漏检的可能性就越低。如今单靠人工识别提取信号困难较大，本文提出了一种基于深度学习的方法，可从互联网接收机的频谱瀑布图数据中提取特定信号，极大地提升了信号识别的效率。

随着人工智能技术的发展，在图像识别领域，机器学习和深度学习等人工智能识别方法得到更广泛的应用[1-11]。单慧琳等将深度学习应用到了景点图像识别领域，针对传统哈希算法以及深度哈希算法存在的不足，改进了现有的特征提取方法，并提出一种基于深度学习的哈希检索方法，实现了查准率95.69%、查全率93.36%、F1测度值94.51%的良好效果[5]。王丽君等提出了通过卷积长短时深度神经网络进行人员行为识别，所需的训练时间和前向的识别时间分别下降了14%和10%[12]。


本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000005990


作者信息：

宁昭义，许国宏，王耀磊

（中国电子科技集团公司第二十二研究所，山东 青岛 266107）


Magazine.Subscription.jpg

此内容为AET网站原创，未经授权禁止转载。
软件无线电 深度学习 互联网接收机 瀑布图

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2