Spectrogram-Based Automatic Modulation Recognition Using Convolutional Neural Network 原文链接
以下是阅读文章时的简要概述:
2018年的会议
【摘要】文章研究了一种利用短时傅里叶变换得到时频图去对进调制信号类型的分类。基于高斯白噪声信道。使用了CNN网络从谱图中自动获取特征进行调制识别,但是在不同的环境下应该构造不同的调制类型。
【Introduction】
介绍了以前用过了一些什么方法,基于特征的调制识别,傅里叶变换,小波变换,高阶累积量,循环谱分析等。
前面的很多研究都是基于基带调制信号,本文用的是载波调制
在这篇文章中,主要描述了整个调制识别的仿真过程,CNN有13层,对&种调制信号进行分类,{BFSK,4FSK,8FSK,BPSK,QPSK,8PSK,16QAM},最后分析了在不同信噪比下的调制类型的识别效果。
Signal Model & Input Data
接收信号模型为:
r ( t ) = R e { C ( t ) e j 2 π f c t } + n ( t ) r(t)=Re\{C(t)e^{j2\pi f_ct}\}+n(t) r(t)