【摘 要】
：
调制识别是通信领域的一个关键性技术。传统的调制识别技术需要人工提取信号的特征后再进行分类,实现复杂且鲁棒性差。深度学习的快速发展为调制识别技术研究提供了新的思路,但其应用却面临两个重要挑战:一是如何获得更高的识别准确率,二是如何在小样本条件下实现对调制信号的有效识别。针对上述挑战,本文研究实现了一种基于三元组网络的调制识别方法,用于提升调制识别的准确率;研究实现了一种基于关系网络的调制识别方法,用
论文部分内容阅读
调制识别是通信领域的一个关键性技术。传统的调制识别技术需要人工提取信号的特征后再进行分类,实现复杂且鲁棒性差。深度学习的快速发展为调制识别技术研究提供了新的思路,但其应用却面临两个重要挑战:一是如何获得更高的识别准确率,二是如何在小样本条件下实现对调制信号的有效识别。针对上述挑战,本文研究实现了一种基于三元组网络的调制识别方法,用于提升调制识别的准确率;研究实现了一种基于关系网络的调制识别方法,用于解决小样本条件下调制信号的有效识别问题。具体研究内容如下:（1）针对信号调制识别准确率的提升问题,以原始通信信号数据为输入,提出了一种基于三元组网络的端到端调制信号识别方法。该方法采用半困难三元组挖掘策略,由交叉熵损失函数和改进的三元组损失函数构成联合损失函数,并基于Inception网络和LSTM网络构成的联合网络完成信号的特征提取。基于Radio ML2016.10a公开数据集的实验结果表明:该方法可以完成对该数据集中全部11种调制信号的识别,且当信噪比高于4d B时,识别准确率达到90%以上,优于其他方法对同一数据集的识别结果。（2）针对小样本条件下调制信号的有效识别问题,以信号星座图为输入,提出了一种基于关系网络的小样本调制信号识别方法。该方法基于双层CNN卷积网络构建了关系度量模块,融合注意力机制和残差网络构建了特征提取模块,其中,注意力机制采用了空间与通道相结合的形式。实验结果表明:该方法在3-way-1-shot和3-way-5-shot任务模式下对小样本调制信号的识别准确率分别达到了89.19%和92.11%,优于目前其他小样本学习方法对同一数据集的识别结果。综上,本文工作有助于提高基于深度学习方法进行调制识别的准确率,并初步解决了小样本条件下调制信号的有效识别问题。
其他文献
21世纪以来,随着计算机运算能力的大幅度提高,神经网络在诸如土木工程、生物学、图像识别等多种领域中得到了越来越多的重视。近些年,众多行业和领域在机器学习研究中也投入了越来越多的精力和资金,在作为世界经济发展的支柱型行业之一的建筑与土木工程领域中,传统计算技术正在与机器学习算法相融合,从而推动技术进步和基础产业的升级换代。另一方面,比例边界有限元方法作为一种新发展的半解析计算科学,其与机器学习的结合
交通标志检测技术是目标检测领域的一个热点和难点。实际场景中,道路街景复杂多样,交通标志在整张图片中的占比非常小,在进行特征提取时交通标志自身的特征往往会被周围的背景和其他小尺寸目标,例如广告牌等物体不断稀释,导致实际场景中检测效果较差。另外,交通标志检测系统通常搭载在智能汽车等移动平台上,需要在极低时延内对前方标志做出快速准确地识别,而现有方法很难在检测精度和检测速度上做到均衡。针对上述问题,本文
智能决策是人工智能领域的重要发展方向之一,可在博弈环境中基于强化学习方法来实现。传统强化学习方法中一般将参与交互的其他智能体即对手看作环境的一部分,由于未考虑对手的行为特征,可能会导致误判而影响决策结果。因此对博弈中参与交互的对手进行建模成为研究的一个热点问题。当前的对手建模技术多数都着眼于固定的对手策略,而在现实中的对手策略通常是动态变化的。采取动态策略的对手智能体在博弈时,其策略的变化会导致智
随着信息技术的发展,各类复杂网络层出不穷,识别网络中的关键节点可以在一定程度上帮助了解网络特性,维护网络的结构和功能。关键节点问题（CNP）是NP难组合优化问题,对该问题的研究有着重要的理论价值和应用价值。关键节点问题在于移除图中的某些节点,使得剩余图满足预定义的连通性度量。目前针对CNP问题的算法存在运行时间较久或迭代较多、准确性不够的问题,仍需要进一步的改进与研究。针对6类CNP问题中关注较多
随着无人机技术在智能化战争中的应用越来越广泛,在复杂环境下无人机的自主飞行能力逐渐成为研究的热点问题。为了在复杂环境下实现自主飞行,无人机通常必须具备优秀的自主导航能力。作为无人机自主导航过程中的关键环节,无人机的三维航迹规划不仅空间复杂度高,而且通常需要实现对多个目标的优化。本文围绕作战场景下无人机的多目标三维航迹规划问题展开研究,提出了离线规划和在线规划相结合的三维航迹规划方法,从而得到同时满
指称图像分割是近年来自然语言处理和计算机视觉交叉领域的一个重要研究方向。给定一幅图像和对应的指称表达式,指称图像分割的目的是分割出包含指称表达式所描述的视觉实体的相应区域。作为多模态任务的代表之一,指称图像分割已经被广泛地应用到交互式图像编辑、智能视觉搜索、机器人控制、人机交互等任务之中。虽然基于卷积神经网络的指称图像分割任务已经取得了巨大的进步,但是仍然存在着众多的挑战。大多现有的方法未能充分利
在低温条件下储存保持活力的生物组织,早已被广泛地应用于畜牧、生物及医学方面。我们于1973年开始进行了利用液态氮储存异体皮的研究工作,并已大量应用于临床,成功地抢救了很多大面积深度烧伤病人。但我们发现低温储存皮肤的琥珀酸脱氢酶的活力（改良的Hershey氏法）只为储存前的45—55％左右,利用染料排斥法（dye exelusion）迨盼兰试验（改良的Prows法）也只为
现今,海洋资源的利用和交互受到很大的关注。以往海洋物联网技术主要是云计算架构,然而大数据时代,云计算逐渐面临网络时延等挑战。移动边缘计算的诞生解决了这些问题。但由于参与者之间缺乏信任以及用户对隐私的关注,需要提出更可靠的解决方案。目前的方案有的利用区块链解决数据安全问题,有的利用联邦学习解决隐私问题,但这些方法并未结合海洋的特殊环境,且未考虑节点的安全性。本文提出了一种基于联邦学习和区块链技术的边
在室内服务机器人技术领域中,自主导航是机器人功能的重要组成模块。在自主导航技术中,路径规划是机器人在应用场景内完成各项功能的技术基础。在全局和局部路径规划技术中,所应用的算法仍存在规划路径不平滑且稳定性不高的现象。本文针对以上问题,以轮式机器人为研究对象,对路径规划技术进行了研究。基于ROS（Robot Operating System）平台完成自主导航系统框架的搭建。为保证仿真和实验的顺利进行,
行人检测作为计算机视觉中一个备受关注的子方向,目的是检测图像或视频序列中是否存在行人,并给出精确的定位,其在智能监控、智能机器人、智能交通、车辆辅助驾驶系统、人体行为分析等领域都有广泛应用。本文以CSP行人检测算法为基准模型,从多方面进行改进模型,使模型拥有更低的漏检率,更快的检测速度和更小的体积。针对行人遮挡问题,本文将注意力机制融入网络,以提升模型在重度遮挡行人集合上的性能。最后将改进模型移植