基于时频图像增强网络的无线电混合近距传感器信号自动调制识别
《Sensors》:Automatic Modulation Recognition for Radio Mixed Proximity Sensor Signals Based on a Time-Frequency Image Enhancement Network
Jinyu Zhang,
Xiaopeng Yan,
Xinhong Hao,
Tai An,
Erwa Dong and
Jian Dai
【字体:
大
中
小
】
时间:2026年03月07日
来源:Sensors 4.0
摘要
低概率截获信号的自动调制识别技术受到了众多从事电子侦察研究的学者的极大关注。该技术旨在设计一种分类器,用于识别不同调制类型的信号。通过利用卷积神经网络等深度学习模型,可以将信号的时间频图像作为输入,进而提取特征以进行分类。为提升识别精度,尤其是在信噪比较低的情况下,我们提出了一种基于时间频图像增强网络的射频接近传感器信号自动调制识别方法。该方法通过像素级核预测网络对时间频图像进行去噪处理,不仅能提高图像质量,其去噪效果可与传统的时间频图像重建方法(如基于稀疏表示的方法和低秩近似方法)相媲美,而且计算开销要小得多。经过处理的、噪声更少且信号质量更高的时间频图像会被作为高质量输入特征送入基于RetinalNet的分类器中。这一预处理步骤对后续的识别过程至关重要,它显著提升了调制识别的精度,尤其是在信噪比极低的复杂条件下。仿真结果表明,所提出的方法能够准确识别出在低信噪比下时间频域中出现混叠的不同射频接近传感器的调制类型;当信噪比高于-10 dB时,信号的平均识别准确率可保持在97%以上。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号