使用CLDNN实现自动调制识别(RML2018.01a)

置顶 sinysama

已于 2024-06-03 08:41:34 修改

阅读量6.5k

点赞数

分类专栏：调制识别文章标签： keras tensorflow python 调制识别 RML2018.01a

于 2022-05-03 10:24:30 首次发布

本文链接：https://blog.csdn.net/QAQIknow/article/details/124551111

版权

7 篇文章 188 订阅 ¥119.90 ¥99.00

订阅专栏

本文基于RML2018.01a大型数据集，给出CLDNN的信号识别的实现方式（附代码）
CLDNN谷歌提出的一种CNN（不带池化层）和LSTM的串联结构

本文的CLDNN由5层CNN和1层LSTM构成（可通过增加层数或修改卷积核数量以进一步提高准确率，由于该数据集较大，优化及其费时废机器，博主没有过多优化，准确率在最后给出）

相关内容：

深度学习框架	Tensorflow+Keras 参考配置请点击这里
模型	相关代码
CNN/ResNet	使用CNN/ResNet实现自动调制识别(RML2018.01a)
LSTM	使用LSTM实现自动调制识别(RML2018.01a))
CLDNN	使用CLDNN实现自动调制识别(RML2018.01a))
Transformer	使用Transformer实现自动调制识别（RML2016.10a，90%+精度（未调参优化））