无线通信信号抗干扰识别主要依赖于信号的表层特征,如频率、带宽等,这些特征仅能反映部分信号的内部特性和干扰环境,导致识别精度差,为此研究基于深度神经网络的无线通信信号抗干扰识别。从无线通信环境中采集干扰信号样本并进行预处理...无线通信信号抗干扰识别主要依赖于信号的表层特征,如频率、带宽等,这些特征仅能反映部分信号的内部特性和干扰环境,导致识别精度差,为此研究基于深度神经网络的无线通信信号抗干扰识别。从无线通信环境中采集干扰信号样本并进行预处理,应用短时傅里叶变换(Short Time Fourier Transform,STFT)将信号从时域转换到时频域,全面提取与干扰信号相关的特征。利用深度神经网络建立信号抗干扰识别模型,通过卷化等积、池操作自动学习干扰信号特征,并输出信号抗干扰识别结果。实验结果表明,基于深度神经网络的无线通信信号抗干扰识别方法在5种方法的对比中展现出最优的识别率和抗干扰识别性能,识别精度较好,具有实际应用价值。展开更多
文摘无线通信信号抗干扰识别主要依赖于信号的表层特征,如频率、带宽等,这些特征仅能反映部分信号的内部特性和干扰环境,导致识别精度差,为此研究基于深度神经网络的无线通信信号抗干扰识别。从无线通信环境中采集干扰信号样本并进行预处理,应用短时傅里叶变换(Short Time Fourier Transform,STFT)将信号从时域转换到时频域,全面提取与干扰信号相关的特征。利用深度神经网络建立信号抗干扰识别模型,通过卷化等积、池操作自动学习干扰信号特征,并输出信号抗干扰识别结果。实验结果表明,基于深度神经网络的无线通信信号抗干扰识别方法在5种方法的对比中展现出最优的识别率和抗干扰识别性能,识别精度较好,具有实际应用价值。
