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
通信信号调制识别越来越受到国内外学者的重视, 本文对通信信号的调制识别技术的内容、方法作
了一个综述, 总结了一些典型的方法, 提出了一些自己的观点和展望
2021-09-02 18:41:17
4.55MB
1
通信信号调制方式自动识别在信号检测、威胁分析、频谱监测等领域有着重要的地位，是非合作通信关注的关键技术。针对单一累积量调制信号识别有限且识别率低等问题， 利用信号的二、四、六阶累积量特征所构造的矢量集，实现了ＭＡＳＫ、ＭＰＳＫ、ＭＦＳＫ、ＭＱＡＭ四类信号的类间识别，以及２ＡＳＫ、４ＡＳＫ、８ＡＳＫ，２ＰＳＫ、４ＰＳＫ、８ＰＳＫ，２ＦＳＫ、４ＦＳＫ、８ＦＳＫ，４ＱＡＭ、１６ＱＡＭ、６４ＱＡＭ的类内识别。在Ｍａｔｌａｂ环境下进行了仿真实验，实验结果表明，该方法在信噪比大于５ｄＢ时可以达到９０％以上的识别率。
2021-06-11 11:17:10
909KB
1
提出了频率选择性衰落信道条件下区分GLSFBC 结构的多载波信号（OFDM）和单载波信号（MFSK、MPSK、MQAM）的调制识别算法。该算法基于接收信号的高阶累积量，只需直接对接收的中频信号进行识别处理，不需要发射信号和信道的先验知识。仿真结果表明，在SNR高于7 dB时识别率可以达到90%。
2021-04-20 20:41:46
2.11MB
1