文献类型：期刊文章

作　　者：邵敏兰[1] 周鸿渐[2] 张浩然[3]

SHAO Minlan;ZHOU Hongjian;ZHANG Haoran(General Affairs Office,Nanjing University of Information Science&Technology,Nanjing 210044,China;Office of Educational Administration,Nanjing University of Information Science&Technology,Nanjing 210044,China;School of Electronic and Information Engineering,Nanjing University of Information Science&Technology,Nanjing 210044,China)

机构地区：[1]南京信息工程大学总务处,南京210044 [2]南京信息工程大学教务处,南京210044 [3]南京信息工程大学电子与信息工程学院,南京210044

出　　处：《实验室研究与探索》

基　　金：国家自然科学基金项目(61673222,61371131)。

年　　份：2021

卷　　号：40

期　　号：8

起止页码：28-31

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对基于特征提取的调制信号识别算法准确性不高的问题,将卷积神经网络(Convolutional Neural Network,CNN)应用于调制信号识别,实现调制信号的空间和时序特征的自学习,避免了传统算法中特征选择和提取步骤,提高了识别准确率。调制信号样本为RaidoML2016.10a国际标准数据集,实验结果表明,CNN的识别准确率优于传统的调制信号识别算法。

关 键 词：调制信号识别 卷积神经网络 识别准确率  

分 类 号：TN911]