针对6G时代将会是移动通信与人工智能紧密结合的时代，产生数量庞大的边缘智能信号处理节点的趋势，提出了一种可部署于资源受限的边缘设备上的高效智能电磁信号识别模型。首先，通过绘制电磁信号的星座图将电磁信号具象为二维图像，并根据归一化点密度对星座图上色以实现特征增强；然后，使用二值化深度神经网络对其进行识别，在保证识别准确率的同时明显降低了模型存储开销以及计算开销。采用电磁信号调制识别问题进行验证，实验选取常用的8种数字调制信号，选择加性高斯白噪声为信道环境。实验结果表明，所提方案可以在信噪比为-6～6 dB的噪声条件下获得96.1%的综合识别率，网络模型大小仅为166 KB，部署于树莓派4B的执行时间为290 ms，相比于同规模的全精度网络，准确率提升了0.6%，模型缩减到
2022-10-24 21:06:27
1.48MB
1
【信号识别】基于matlab深度学习CNN信号调制分类【含Matlab源码 2066期】.mp4
2022-09-01 14:54:26
2.88MB
1
在高速数字突发通信中，往往需要快速、高效地对接收信号进行位定，并对载波初始相位信息进行估计。本文所分析的关于QPSK及OQPSK信号的调制和解调方法，在军事、民用领域都具有十分广泛的应用价值，同时也能应用于各种数字通信领域。
2022-06-12 23:46:00
345KB
1
本文详细介绍了信号调制的基本原理，以及各类调幅电路的特点、原理和分析方法。对于从事数字信号处理、电子信号调制解调处理领域的同学来说，是一份值得参考的文档
2022-06-07 09:57:20
2.4MB
1