一、前言 传统的无线电调制识别方法通常是计算无线电信号的各种特征，如高阶矩，通过构建一棵分类树，对比不同的调制类型特点，最终将信号分类。这种方法实现复杂，需要极强的专业知识。深度学习的大热将神经网络模型带入无线电通讯领域，如图1所示，不同的调制类型产生的IQ信号在时域上表现出不同的形状特征，类似于图像中的分类任务，研究者们发现使用神经网络模型也能很好地完成无线电调制类型分类，且效果要比传统方法还好...
最近在做调制识别的FPGA实现，一个人走了很多弯路，把自己走过的弯路记录一下。
很多人都用Tim O’Shea的数据集RML2016.10a.tar.bz2，大家都是直接拿来训练但是关于该数据集调制信号的参数论文里只介绍了很少一部分，楼主探索了一下终于找到了该数据集的相关参数。
首先可以直接从数据集中得到的信息：
1，一共220000个调制信号，11种调制方式，每种调制方式有20000个调制信号。信噪比-20db 到18db间隔2db一共20种信噪比，即单种调制方式的的一种信噪比的调制信号1000个；
2，每个调制信号的size是（2，128），2对应这IQ两路，128对应128个采样点；
其次，查看该数据集的论文能够得到的信息：
这个数据集的介绍来源Tim O’Shea的一篇论文：
Convolutional Radio Modulation Recognition Networks
该论文的一段关于数据集的描述如下图：
3，可以得知该数据集每个符号有8个样点
3455
1万+
3770
3212
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
