Robust Automatic Modulation Classification Using Convolutional Deep Neural Network Based on Scalogram Information

doi:10.3390/computers11110162

Robust Automatic Modulation Classification Using Convolutional Deep Neural Network Based on Scalogram Information

2022-11-15

0

OA

AI

DOI：10.3390/computers11110162

原文链接

原文求助

摘要

En 中文

本研究提出了一种两阶段方法，该方法将卷积神经网络（CNN）与连续小波变换（CWT）相结合，用于多类调制分类。首先使用CWT作为数据源提取调制信号的时频信息。卷积神经网络接收来自2D图像的输入。第二步包括将算法获取的2D时频信息输入到所提出的算法中，以分类不同类型的调制。在0至25 dB信噪比（SNR）之间，使用一种新的数字调制分类模型，自动识别包括幅移键控（ASK）、相移键控（PSK）、频移键控（FSK）、正交幅移键控（QASK）、正交相移键控（QPSK）和正交频移键控（QFSK）在内的六种不同类型的调制。这些调制类型用于卫星通信、水下通信和军事通信。与先前的研究相比，所推荐的卷积神经网络学习模型在存在不同噪声水平的情况下表现出更好的性能。

Robust Automatic Modulation Classification Using Convolutional Deep Neural Network Based on Scalogram Information

摘要

期刊

机构

引用论文