排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。 相似文献
2.
为了在城市环境条件下获取场地振动响应特征, 提出一种互相关叠加方法, 并利用模拟数据验证方法的正确性。该方法利用地铁的地表振动记录确定场地传递函数, 能够有效地压制其他振动的干扰, 可以为获取场地传递函数提供一种新的方式。 相似文献
1