.png){kind=icon}
返回
An Automatic Modulation Recognition Method Based on the Multimodal Kernel Harmonic Feature Fusion Network
.png){kind=icon}
OA
AI
DOI：10.3390/s25206352.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在日益复杂的电磁环境中，无线通信系统面临着非高斯脉冲噪声的严峻挑战。脉冲噪声的矩趋于无穷大，降低了信号特征的可区分性，从而限制了信号调制识别率的提升。首先，提出了一种基于核空间映射的时频分析方法，以提高脉冲噪声下信号时频特征的可区分性。在此基础上，构建了一个多模态核谐波特征融合网络，结合卷积神经网络和图卷积网络，从三种模态中提取并融合核谐波特征，以实现鲁棒且准确的调制识别。仿真结果表明，在通用信噪比为−2 dB时，调制识别率达到93.5%。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
Low SNR Multi-Emitter Signal Sorting and Recognition Method Based on Low-Order Cyclic Statistics CWD Time-Frequency Images and the YOLOv5 Deep Learning Model.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏WIR-Transformer: Using Transformers for Wireless Interference RecognitionWIR-Transformer：使用Transformer进行无线干扰识别
PREAI
分享收藏分享收藏Modulation recognition method of mixed signals based on cyclic spectrum projectionSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Zhang, Q.; Ji, H.; Li, L.; Zhu, Z. Automatic modulation recognition of unknown interference signals based on graph model. IEEE Wirel. Commun. Lett. 2024, 13, 2317–2321. [Google Scholar] [CrossRef]张, Q.; 吉, H.; 李, L.; 朱, Z. 基于图模型的未知干扰信号自动调制识别. IEEE Wirel. Commun. Lett. 2024, 13, 2317–2321. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Zuo, X.; Yang, Y.; Yao, R.; Fan, Y.; Li, L. An Automatic Modulation Recognition Algorithm Based on Time–Frequency Features and Deep Learning with Fading Channels. Remote Sens. 2024, 16, 4550. [Google Scholar] [CrossRef]左, X.; 杨, Y.; 姚, R.; 范, Y.; 李, L. 一种基于时频特征和深度学习（适用于衰落信道）的自动调制识别算法. Remote Sens. 2024, 16, 4550. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Cyclic correntropy and its spectrum in frequency estimation in the presence of impulsive noiseSIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏
查看更多内容