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
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
-
編碼器
-
調(diào)制信號
-
深度學(xué)習(xí)
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。
相關(guān)推薦
?! ≡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
該文提出了平穩(wěn)小波變換(Stationary Wavelet Transform, SWT )域自適應(yīng)多尺度積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
自然界許多系統(tǒng)都具有多尺度效應(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,多
發(fā)表于 11-19 15:55
?5次下載
對信號和噪聲的多小波變換進(jìn)行了研究。根據(jù)它們多小波變換下呈現(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
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)的多尺度深度網(wǎng)絡(luò)監(jiān)督模型。與傳統(tǒng)
發(fā)表于 11-28 14:22
?0次下載
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
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,將多尺度熵引入到液壓泵故障識別中。多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
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);隨后利用多
發(fā)表于 04-19 15:18
?0次下載
描述人群信息,消除人群遮擋影響;其次通過構(gòu)建多尺度卷積神經(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
描述人群信息,消除人群遮擋影響;其次通過構(gòu)建多尺度卷積神經(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
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)多導(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
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
基于多縱卷積神經(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)造一種基于多
發(fā)表于 05-27 16:34
?4次下載
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多尺度殘差
發(fā)表于 05-29 14:27
?3次下載
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)的多尺度深度
發(fā)表于 05-29 14:44
?8次下載
評論