matlab精度检验代码-Automatic-Modulation-Classification:基于累积极地特征的深度学习用于自动调制分类

上传者: 38625416 | 上传时间: 2021-05-31 08:48:53 | 文件大小: 87.88MB | 文件类型: ZIP
matlab精度检验代码用于自动调制分类的深度学习 我们为自动调制分类(AMC)的任务提出了一种高效且轻量级的卷积神经网络(CNN)。 在将接收到的信号发送到我们的CNN模型之前,我们将信号转换为具有建议的累积极性特征的图像域。 它显着提高了预测精度,并使其在衰落信道下更加健壮。 我们提供用于实现常规方法(最大似然和累积量)和基于深度学习的方法的源代码。 希望此代码对同行研究人员有用。 如果您在研究中使用此代码或其部分代码,请引用我们的论文: 相关出版物1:腾杰芳,廖庆春,陈春香和吴安Y ,“”在2018 IEEE全球信号和信息处理会议(GlobalSIP)上发表。 相关出版物2:滕杰芳,周静瑶,陈春香和吴安Y(Andy Wu),“”发表在2020 IEEE车辆技术交易(TVT)上。 所需的包 python 3.6.5 numpy的1.16.4 张量流1.14.0 keras 2.2.5 Matlab R2017a 源代码 Matlab的 Test_ML.m:测试基于似然法的传统方法,即最大似然(ML)和混合似然比测试(HLRT) 调整ML或HLRT的使用 最大似然 HybridLRT

文件下载

资源详情

[{"title":"( 21 个子文件 87.88MB ) matlab精度检验代码-Automatic-Modulation-Classification:基于累积极地特征的深度学习用于自动调制分类","children":[{"title":"Automatic-Modulation-Classification-master","children":[{"title":"Python","children":[{"title":"classify_cnn_pic.py <span style='color:#111;'> 3.92KB </span>","children":null,"spread":false},{"title":"util.py <span style='color:#111;'> 7.17KB </span>","children":null,"spread":false},{"title":"model.h5 <span style='color:#111;'> 42.33KB </span>","children":null,"spread":false},{"title":"classify_cnnpolar_pic.py <span style='color:#111;'> 6.59KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"util.cpython-36.pyc <span style='color:#111;'> 5.46KB </span>","children":null,"spread":false}],"spread":true},{"title":"Model","children":[{"title":"cnn_8.h5 <span style='color:#111;'> 42.33KB </span>","children":null,"spread":false},{"title":"cnnpolar_8.h5 <span style='color:#111;'> 42.33KB </span>","children":null,"spread":false},{"title":"cnnpolar.json <span style='color:#111;'> 6.56KB </span>","children":null,"spread":false},{"title":"cnn.json <span style='color:#111;'> 6.56KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"Matlab","children":[{"title":"Test_Cumu.m <span style='color:#111;'> 999B </span>","children":null,"spread":false},{"title":"sig2pic_gaussian.m <span style='color:#111;'> 407B </span>","children":null,"spread":false},{"title":"Cumulant.m <span style='color:#111;'> 1.72KB </span>","children":null,"spread":false},{"title":"sig2pic_accu.m <span style='color:#111;'> 265B </span>","children":null,"spread":false},{"title":"Test_ML.m <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"sig2pic.m <span style='color:#111;'> 250B </span>","children":null,"spread":false},{"title":"MaximumLikelihood.m <span style='color:#111;'> 662B </span>","children":null,"spread":false},{"title":"AMC_raw.m <span style='color:#111;'> 2.27KB </span>","children":null,"spread":false},{"title":"HybridLRT.m <span style='color:#111;'> 935B </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 3.05KB </span>","children":null,"spread":false},{"title":"Data","children":[{"title":"raw1000_1000_8.mat <span style='color:#111;'> 58.56MB </span>","children":null,"spread":false},{"title":"raw500_1000_8.mat <span style='color:#111;'> 29.28MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明