基于深度閾值噪聲消除的多尺度分析調制識別網絡
中文摘要： 為了提高多變環(huán)境下調制信號識別的準確性、減少先驗知識不足等因素對識別結果的影響，研究人員逐漸采用深度學習技術來替代傳統(tǒng)的調制信號處理技術。為了解決低信噪比下調制信號識別精度低的問題，我們設計了一種具有深度閾值噪聲消除的多尺度分析調制識別網絡，在標簽平滑的對稱交叉熵函數(shù)作用下識別實際采集的調制信號。該網絡由一個具有深度自適應閾值學習的消噪編碼器和一個具有多尺度特征融合的解碼器組成。將兩個模塊進行跳躍連接，共同作用以提高整體網絡的魯棒性。實驗結果表明，該方法在低信噪比下比以前的方法具有更好的識別效果。該網絡展示了對噪聲閾值的靈活自學習能力以及所設計的特征融合模塊對各種調制類型的多尺度特征獲取的有效性。
關鍵詞： 信號消噪；深度自適應閾值學習網絡；多尺度特征融合；調制識別
作者：李響1，2，李一兵1，2，湯春瑞3，4，李迎松1，2
單位： 1哈爾濱工程大學信息與通信工程學院，中國哈爾濱市，150001
2哈爾濱工程大學先進船舶通信與信息技術工業(yè)和信息化部重點實驗室，
中國哈爾濱市，150001
3中煤科工集團重慶研究院有限公司，中國重慶市，400037
4瓦斯災害監(jiān)控與應急技術國家重點實驗室，中國重慶市，400039
編輯：黃飛
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
解碼器
+關注
關注
9文章
1152瀏覽量
40950 -
編碼器
+關注
關注
45文章
3673瀏覽量
135286 -
調制信號
+關注
關注
0文章
66瀏覽量
14843 -
深度學習
+關注
關注
73文章
5516瀏覽量
121584
原文標題：哈工程李響等 | 具有深度閾值噪聲消除的多尺度分析調制識別網絡
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】歡迎添加關注！文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
什么是深度殘差收縮網絡？
。 在一定程度上，深度殘差收縮網絡的工作原理，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
一種自適應多尺度積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
基于多尺度幾何分析的復雜網絡壓縮策略
自然界許多系統(tǒng)都具有多尺度效應，人們對系統(tǒng)的觀察或測量也往往是在不同尺度上進行的。復雜網絡可視為描述復雜系統(tǒng)的抽象模型，多
發(fā)表于 11-19 15:55
?5次下載
多小波噪聲方差閾值的信號濾波方法
對信號和噪聲的多小波變換進行了研究。根據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
基于深度學習的多尺幅深度網絡監(jiān)督模型
針對場景標注中如何產生良好的內部視覺信息表達和有效利用上下文語義信息兩個至關重要的問題，提出一種基于深度學習的多尺度深度網絡監(jiān)督模型。與傳統(tǒng)
發(fā)表于 11-28 14:22
?0次下載
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
?6.1w次閱讀
基于多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上通過引入
發(fā)表于 03-29 15:40
?0次下載
結合多尺度時頻調制與多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
使用多尺度多任務卷積神經網絡進行人群計數(shù)的資料說明
描述人群信息，消除人群遮擋影響；其次通過構建多尺度卷積神經網絡解決人群尺度不一問題，以多任務學習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
如何使用多尺度和多任務卷積神經網絡實現(xiàn)人群計數(shù)
描述人群信息，消除人群遮擋影響;其次通過構建多尺度卷積神經網絡解決人群尺度不一問題，以多任務學習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 01-18 16:47
?9次下載
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絡泛化能力差以及網絡參數(shù)多導致計算量大的問題，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)孿生網絡的通信信號調制識別算法
為解決傳統(tǒng)基于深度學習的調制識別算法在小樣本條件下識別準確率較低的問題，提出一種基于深度級聯(lián)孿生網絡
發(fā)表于 05-14 10:25
?33次下載
基于多尺度殘差網絡的邊緣檢測技術
面向對象的邊緣檢測技術是智能視覺處理領堿的關鍵基礎技術，然而目前基于卷積神經網絡的邊緣檢測結果存在分辨率低、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
改進的多尺度深度網絡手勢識別模型
基于傳統(tǒng)的淺層學習網絡由于過度依賴于人工選擇手勢特征，因此不能實時適應復雜多變的自然場景。在卷積神經網絡架構的基礎上，提岀了一種改進的多尺度深度
發(fā)表于 05-29 14:44
?8次下載
工商網監(jiān)
評論