0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于深度閾值噪聲消除的多尺度分析調(diào)制識別網(wǎng)絡(luò)

bzdlyqxsl ? 來源:信息與電子工程前沿FITE ? 2023-06-20 15:03 ? 次閱讀

中文摘要: 為了提高多變環(huán)境下調(diào)制信號識別的準(zhǔn)確性、減少先驗知識不足等因素對識別結(jié)果的影響,研究人員逐漸采用深度學(xué)習(xí)技術(shù)來替代傳統(tǒng)的調(diào)制信號處理技術(shù)。為了解決低信噪比下調(diào)制信號識別精度低的問題,我們設(shè)計了一種具有深度閾值噪聲消除的多尺度分析調(diào)制識別網(wǎng)絡(luò),在標(biāo)簽平滑的對稱交叉熵函數(shù)作用下識別實際采集的調(diào)制信號。該網(wǎng)絡(luò)由一個具有深度自適應(yīng)閾值學(xué)習(xí)的消噪編碼器和一個具有多尺度特征融合的解碼器組成。將兩個模塊進(jìn)行跳躍連接,共同作用以提高整體網(wǎng)絡(luò)的魯棒性。實驗結(jié)果表明,該方法在低信噪比下比以前的方法具有更好的識別效果。該網(wǎng)絡(luò)展示了對噪聲閾值的靈活自學(xué)習(xí)能力以及所設(shè)計的特征融合模塊對各種調(diào)制類型的多尺度特征獲取的有效性。

關(guān)鍵詞: 信號消噪;深度自適應(yīng)閾值學(xué)習(xí)網(wǎng)絡(luò);多尺度特征融合;調(diào)制識別

作者:李響1,2,李一兵1,2,湯春瑞3,4,李迎松1,2

單位: 1哈爾濱工程大學(xué)信息與通信工程學(xué)院,中國哈爾濱市,150001

2哈爾濱工程大學(xué)先進(jìn)船舶通信與信息技術(shù)工業(yè)和信息化部重點實驗室,

中國哈爾濱市,150001

3中煤科工集團(tuán)重慶研究院有限公司,中國重慶市,400037

4瓦斯災(zāi)害監(jiān)控與應(yīng)急技術(shù)國家重點實驗室,中國重慶市,400039

fff93cbc-0900-11ee-962d-dac502259ad0.jpg

00279710-0901-11ee-962d-dac502259ad0.jpg

0050ba32-0901-11ee-962d-dac502259ad0.jpg

0077b042-0901-11ee-962d-dac502259ad0.jpg

008fb6ba-0901-11ee-962d-dac502259ad0.jpg

00b651f8-0901-11ee-962d-dac502259ad0.jpg

00e493ba-0901-11ee-962d-dac502259ad0.jpg

編輯:黃飛

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 解碼器
    +關(guān)注

    關(guān)注

    9

    文章

    1129

    瀏覽量

    40636
  • 編碼器
    +關(guān)注

    關(guān)注

    45

    文章

    3573

    瀏覽量

    133980
  • 調(diào)制信號
    +關(guān)注

    關(guān)注

    0

    文章

    62

    瀏覽量

    14754
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5463

    瀏覽量

    120890

原文標(biāo)題:哈工程李響等 | 具有深度閾值噪聲消除的多尺度分析調(diào)制識別網(wǎng)絡(luò)

文章出處:【微信號:信息與電子工程前沿FITEE,微信公眾號:信息與電子工程前沿FITEE】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    什么是深度殘差收縮網(wǎng)絡(luò)?

    ?! ≡谝欢ǔ潭壬?,深度殘差收縮網(wǎng)絡(luò)的工作原理,可以理解為:通過注意力機制注意到不重要的特征,然后通過軟閾值化將它們置為零;或者說,通過注意力機制注意到重要的特征,將它們保留下來,從而加強深度
    發(fā)表于 11-26 06:33

    一種自適應(yīng)尺度閾值的圖像去噪算法

    該文提出了平穩(wěn)小波變換(Stationary Wavelet Transform, SWT )域自適應(yīng)尺度閾值的圖像去噪算法(SWT domain Multiscale Products, SWTMP)。與傳統(tǒng)的
    發(fā)表于 11-11 16:08 ?20次下載

    基于尺度幾何分析的復(fù)雜網(wǎng)絡(luò)壓縮策略

    自然界許多系統(tǒng)都具有尺度效應(yīng),人們對系統(tǒng)的觀察或測量也往往是在不同尺度上進(jìn)行的。復(fù)雜網(wǎng)絡(luò)可視為描述復(fù)雜系統(tǒng)的抽象模型,
    發(fā)表于 11-19 15:55 ?5次下載

    小波噪聲方差閾值的信號濾波方法

    對信號和噪聲小波變換進(jìn)行了研究。根據(jù)它們小波變換下呈現(xiàn)出的截然相反的特征,即隨著變換尺度的增大,噪聲的變換值迅速減小,而信號的變換值增
    發(fā)表于 09-10 16:25 ?16次下載

    基于深度學(xué)習(xí)的尺幅深度網(wǎng)絡(luò)監(jiān)督模型

    針對場景標(biāo)注中如何產(chǎn)生良好的內(nèi)部視覺信息表達(dá)和有效利用上下文語義信息兩個至關(guān)重要的問題,提出一種基于深度學(xué)習(xí)的尺度深度網(wǎng)絡(luò)監(jiān)督模型。與傳統(tǒng)
    發(fā)表于 11-28 14:22 ?0次下載
    基于<b class='flag-5'>深度</b>學(xué)習(xí)的<b class='flag-5'>多</b>尺幅<b class='flag-5'>深度</b><b class='flag-5'>網(wǎng)絡(luò)</b>監(jiān)督模型

    小波去噪閾值如何選取_小波閾值分析

    本文主要介紹了小波去噪閾值如何選取_小波閾值分析。小波去噪過程就是利用小波分解將圖像信號分解到各尺度中,然后把每一尺度中屬于
    發(fā)表于 01-10 09:08 ?6w次閱讀
    小波去噪<b class='flag-5'>閾值</b>如何選取_小波<b class='flag-5'>閾值</b><b class='flag-5'>分析</b>

    基于尺度熵偏均值的液壓泵故障特征識別

    針對不同故障類型下的液壓泵振動信號具有不同復(fù)雜性的特點,將尺度熵引入到液壓泵故障識別中。尺度熵是在樣本熵的基礎(chǔ)上通過引入
    發(fā)表于 03-29 15:40 ?0次下載

    結(jié)合尺度時頻調(diào)制線性主成分分析的樂器識別

    特征對同族樂器錯分率高且對打擊樂器識別不佳的問題,提出一種提取時頻信息且低冗余度的模型用于樂器識別。首先利用耳蝸模型對樂音進(jìn)行諧波分解,生成接近人耳感知且包含時頻信息的聽覺譜圖( AS);隨后利用
    發(fā)表于 04-19 15:18 ?0次下載

    如何使用尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人群計數(shù)的詳細(xì)資料說明

    描述人群信息,消除人群遮擋影響;其次通過構(gòu)建尺度卷積神經(jīng)網(wǎng)絡(luò)解決人群尺度不一問題,以多任務(wù)學(xué)習(xí)機制同時估計密度圖及人群密度等級,解決人群分
    發(fā)表于 03-28 15:37 ?6次下載
    如何使用<b class='flag-5'>多</b><b class='flag-5'>尺度</b>多任務(wù)卷積神經(jīng)<b class='flag-5'>網(wǎng)絡(luò)</b>進(jìn)行人群計數(shù)的詳細(xì)資料說明

    使用尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人群計數(shù)的資料說明

    描述人群信息,消除人群遮擋影響;其次通過構(gòu)建尺度卷積神經(jīng)網(wǎng)絡(luò)解決人群尺度不一問題,以多任務(wù)學(xué)習(xí)機制同時估計密度圖及人群密度等級,解決人群分
    發(fā)表于 11-06 15:46 ?10次下載
    使用<b class='flag-5'>多</b><b class='flag-5'>尺度</b>多任務(wù)卷積神經(jīng)<b class='flag-5'>網(wǎng)絡(luò)</b>進(jìn)行人群計數(shù)的資料說明

    利用小尺度核卷積的人臉表情識別方法

    針對現(xiàn)有表情識別方法中網(wǎng)絡(luò)泛化能力差以及網(wǎng)絡(luò)參數(shù)導(dǎo)致計算量大的問題,提出一種利用小尺度核卷積的人臉表情
    發(fā)表于 05-13 15:22 ?9次下載

    基于深度級聯(lián)孿生網(wǎng)絡(luò)的通信信號調(diào)制識別算法

    為解決傳統(tǒng)基于深度學(xué)習(xí)的調(diào)制識別算法在小樣本條件下識別準(zhǔn)確率較低的問題,提出一種基于深度級聯(lián)孿生網(wǎng)絡(luò)
    發(fā)表于 05-14 10:25 ?33次下載

    基于尺度CNN的交通道路標(biāo)識識別模型

    基于縱卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識別算法識別率較高,但識別和訓(xùn)練時間較長,實用性較差。為此,構(gòu)造一種基于
    發(fā)表于 05-27 16:34 ?4次下載

    基于尺度殘差網(wǎng)絡(luò)的邊緣檢測技術(shù)

    面向?qū)ο蟮倪吘墮z測技術(shù)是智能視覺處理領(lǐng)堿的關(guān)鍵基礎(chǔ)技術(shù),然而目前基于卷積神經(jīng)網(wǎng)絡(luò)的邊緣檢測結(jié)果存在分辨率低、噪聲較多等問題。因此,文中提出了一種基于尺度殘差
    發(fā)表于 05-29 14:27 ?3次下載

    改進(jìn)的尺度深度網(wǎng)絡(luò)手勢識別模型

    基于傳統(tǒng)的淺層學(xué)習(xí)網(wǎng)絡(luò)由于過度依賴于人工選擇手勢特征,因此不能實時適應(yīng)復(fù)雜多變的自然場景。在卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上,提岀了一種改進(jìn)的尺度深度
    發(fā)表于 05-29 14:44 ?8次下載