共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
调制方式识别是构成认知无线电通用接收机和智能调制解调器的重要技术基础,只有正确识别出其他通信系统的调制方式、占用频段、传输带宽等信息,才能合理分配自身的通信频段,采取合理的调制方式进行信号传输。通信信号的识别首先通过认知无线电技术从无线环境中感知对方信号频率并进行截取;其次,对接收的信号进行时域和变换域分析,尤其是时域中的特征参数,包括信号的载波频率、信噪比(Signal to Noise Ratio,SNR)、信元速度等瞬时参数值;最后,通过识别算法区分信号调制类型,接收机根据识别出的信息来调整自身的通信机制,实现与发送方的正常通信。 相似文献
4.
5.
信号调制识别技术在民用和军事领域都有重要应用。当前信息化战场中,由于各类雷达、通信、导航、电子战武器等信息辐射源的数量愈来愈多,调制形式也日益多样化,信号密度愈来愈大,战争电磁环境日趋复杂化,传统的信号调制识别技术已无法适应。因此,提出基于深度学习的AlexNet网络和复数神经网络,同时采用多模态特征融合和模型融合技术,融合信号统计图域和信号I/Q波形域的多模态信息,实现信号调制识别。仿真结果表明,所提方法的识别精确度在不同信噪比下均优于单模态识别方法和未采用多模态协同融合框架的方法。 相似文献
6.
7.
通信信号调制类型的识别是一种典型的模式识别问题。现代通信技术发展迅猛,通信信号体制和调制样式日趋复杂多样,信号环境也向大量密集、不易控制的方向发展。常规的识别方法已很难适应新形势的需要,不能对各类通信信号进行高效准确的识别,因此对新的调制类型识别方法研究时间紧迫,意义重大。针对这种情况,本文首先详细介绍了判决理论识别方法和统计模式识别方法这两种数字通信信号调制识别方法。之后对两种方法的优缺点进行了分析比较,最后对今后的研究方向做一展望。 相似文献
8.
9.
10.
本文主要结合一种利用神经网络分类与小波特征对通信信号调制识别技术进行了分析探讨。首先小波特征和神经网络技术进行了分析,接着对其在调制样式识别中的应用进行了探讨。 相似文献