Deep Learning-Based Modulation Recognition for Low Signal-to-Noise Ratio Environments

人工智能 计算机科学 模式识别(心理学) 调制(音乐) 特征提取 信号(编程语言) 连续小波变换 深度学习 噪音(视频) 信噪比(成像) 频率调制 语音识别 小波 小波变换 图像(数学) 离散小波变换 无线电频率 电信 声学 物理 程序设计语言
作者
Ping He,Yang Zhang,Xinyue Yang,Xiao Xiao,Haolin Wang,Rongsheng Zhang
出处
期刊:Electronics [Multidisciplinary Digital Publishing Institute]
卷期号:11 (23): 4026-4026 被引量:1
标识
DOI:10.3390/electronics11234026
摘要

Automatic modulation classification (AMC), which plays a significant role in wireless communication, can recognize the modulation type of the received signal without large amounts of transmitted data and parameter information. Supported by deep learning, which is a powerful tool for functional expression and feature extraction, the development of AMC can be greatly promoted. In this paper, we propose a deep learning-based modulation classification method with 2D time-frequency signal representation. In our proposed method, signals which have been received are first analyzed by time-frequency based on continuous wavelet transform (CWT). Then, CWT images of received signals are obtained and input to the deep learning model for classifying. We create a new CWT image dataset including 12 modulation types of signals under various signal-to-noise ratio (SNR) environment to verify the effectiveness of the proposed method. The experimental results demonstrate that our proposed method can reach to a high classification accuracy over the SNR of −11 dB.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
heyan完成签到,获得积分10
1秒前
1秒前
养只缅因完成签到,获得积分10
1秒前
爱笑雨雪完成签到,获得积分10
1秒前
YuJianQiao完成签到,获得积分10
2秒前
量子星尘发布了新的文献求助10
2秒前
欧阳五子关注了科研通微信公众号
3秒前
恣意发布了新的文献求助10
3秒前
3秒前
一包辣条完成签到,获得积分10
3秒前
3秒前
euphoria发布了新的文献求助10
4秒前
jhiae完成签到,获得积分10
4秒前
chruse完成签到,获得积分10
5秒前
徐biao发布了新的文献求助10
5秒前
打打应助YuJianQiao采纳,获得10
5秒前
小蘑菇应助聪慧雪糕采纳,获得10
5秒前
15098762335发布了新的文献求助10
7秒前
等待巧曼完成签到,获得积分10
8秒前
师宁完成签到,获得积分10
8秒前
madison发布了新的文献求助10
8秒前
宋jh完成签到,获得积分10
8秒前
ggggg完成签到,获得积分10
8秒前
肉肉的小屋完成签到,获得积分10
9秒前
10秒前
Lucas应助譬如朝露采纳,获得10
10秒前
11秒前
量子星尘发布了新的文献求助10
12秒前
专注的玉米完成签到 ,获得积分10
12秒前
敏感的琦完成签到,获得积分10
12秒前
hawa发布了新的文献求助20
12秒前
QY关注了科研通微信公众号
13秒前
14秒前
wanci应助yj17ying采纳,获得10
14秒前
卖萌的秋田发布了新的文献求助100
14秒前
牧友桃发布了新的文献求助10
15秒前
AAA电池批发顾总完成签到,获得积分10
15秒前
15秒前
千早爱音完成签到 ,获得积分10
15秒前
曾经曼彤完成签到 ,获得积分10
16秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
Statistical Methods for the Social Sciences, Global Edition, 6th edition 600
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
Walter Gilbert: Selected Works 500
An Annotated Checklist of Dinosaur Species by Continent 500
岡本唐貴自伝的回想画集 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3661438
求助须知:如何正确求助?哪些是违规求助? 3222458
关于积分的说明 9746040
捐赠科研通 2932102
什么是DOI,文献DOI怎么找? 1605461
邀请新用户注册赠送积分活动 757898
科研通“疑难数据库(出版商)”最低求助积分说明 734576