基于数据增强和特征嵌入的自动调制识别

基于端到端的深度学习模型已经被广泛应用于自动调制识别。现有的深度学习方案大多数依赖于丰富的样本分布,而大批量的标记训练集通常很难获得。提出了一种基于数据驱动和选择性核卷积神经网络(Convolutional Neural Network,CNN)的自动调制识别框架。首先开发深度密集生成式对抗网络增强5种调制信号的原始数据集;其次选择平滑伪Wigner-Ville分布作为信号的时频表示,并将注意力模块用于聚焦时频图像分类中的差异区域;最后将真实信号输入轻量级卷积神经网络进行时间相关性提取,并融合信号的时频特征完成分类。实验结果表明,所提算法提高了在低信噪比情况下的识别精度,表现出较强的鲁棒性。     

基于微分思想和卷积神经网络的飞行动作识别

战场态势感知和辅助决策是智能空战的重要组成部分,飞行动作识别是多项关键技术的基础.文中提出了一种基于微分思想和卷积神经网路的高效飞行动作识别方法.首先,对训练数据按照微分思想进行分割;然后,通过卷积神经网络对飞参数据的训练实现飞行动作特征的自动提取、对飞参数据进行飞行动作识别,该方法扩展性好,有利于快速处理大量飞参数据...