基于特征融合的自动调制识别方案设计

来源 :通信技术 | 被引量 : 0次 | 上传用户:liutengyun
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自动调制识别(AMC)是目前各种通信场景中信息获取的前提,由于无线通信过程中的干扰等因素,致使自动调制识别几十年以来一直是一个通信领域的研究难题。针对该难题提出了一种新型深度学习特征融合方案,该方案包含两个分支模型,第一个分支模型为基于注意力机制的双向长短时记忆模型(Attention mechanism based BiLSTM,AMb BiLSTM),该模型从IQ数据中提取信号的幅度相位信息,并使用BiLSTM双向提取信号的语义信息。第二个分支模型为基于多尺度特征提取技术的卷积神经网络(Multi-s
其他文献
传统数据分析常采用C/C++、Matlab、Excel等语言或工具,数据可视化采用Matlab、Origin、Excel等工具,存在开发效率低、缺乏高效数据结构及函数、交互式可视化数据分析体验差
随着智能家居和物联网的兴起,各公司不断推出自己的智能产品,布局未来智能产品市场。近来市场上包含各种WiFi模块、蓝牙模块、NB模块的无线智能产品日渐增多。为保证产品合格
提出了一种基于高阶统计的改进型语音激活检测算法。相对于传统的语音激活检测算法,在语音信号存在不确定的条件下,利用LPC残差域的高阶统计属性量,作为语音/噪音信号的判决