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
基于高阶累积量的调制格式识别，识别7种调制格式BPSK、QPSK、8PSK、8QAM、16QAM、32QAM、 64QAM
2022-10-19 16:35:04
2KB
1
本文主要研究多径信道下的MPsK和MQA^I信号调制识别算法。首先利用盲均衡技术克服信道的多径效应与系统同步误差，接着对信号减法聚类，归一化星座图，从而完成星座图的重构。本文采用了一种新的盲均衡算法，在较低的信噪比下，可对阶数不大于64的MPSK和MQAM信号的星座图完成重构。在此基础E，采用基于星座图形状分类的最大似然准则，可以完成阶数不大于64的MPSK和MQ揣信号的识别。
仿真结果表明，由于采用了性能更好的盲均衡算法，本文算法在信噪比sNR≥12dB的条件下，可以实现阶数不大于64的MPsK和旧AM信号的星座图重构。
2022-05-12 17:04:55
1.96MB
1