- 博客(12)
- 收藏
- 关注
RSS订阅原创 基于短训练序列的包检测
包检测（Frame Detection）又可以叫粗同步（Coarse Synchronization），是802.11a/g/p一些协议下特定的定时方法。短的用来找到每个OFDM帧（frame）的起点，自动增益控制（Automatic Gain Control，AGC）以及天线选择（Diversity Selection）。长的用来精同步，信道估计。由于短训练存在明显的周期性，因此可以用自相关算法求峰值得到起点的位置，同时我们在时域也可以观察到明显的周期性。
2023-10-30 10:37:10
229
1
原创 基于最大似然估计的OFDM盲同步
对文章ML Estimation of Time and Frequency Offset in OFDM Systems的个人理解
2023-09-25 16:50:18
619
4
原创 利用ADDA实现无监督迁移学习
本次仿真是根据论文和在此基础上提出的进行的。由于ATLA最后采取分类器的分类结果输出，一般维度只有num_classes，感觉对于discriminator来说太少了，很难达到对抗迁移的效果。所以本次仿真在ADDA的基础上取前面CNN网络作为特征提取器，其输出为特征直接输入到判别器上。实验过程中发现由于源数据和目标数据的长度可能不一样，暂时想到先对目标数据进行插值，实现长度相等，经过相同结构的CNN网络投影到同一个特征空间。但是ADDA中提出非对称网络结构会有更好的效果。
2023-03-27 19:43:44
623
原创 【写给自己】成功使用ResNet识别RML2018.a数据集
源码来自[https://blog.csdn.net/qq_34467412/article/details/90738232](https://blog.csdn.net/qq_34467412/article/details/90738232)，作者也是对论文作者ResNet框架的复现，而我是在chatGPT帮助下把博主TensorFlow的代码改成了pytorch代码。由于硬件限制，并没有使用完整的数据集，仅对前10种调制模型进行识别，全信噪比情况下测试集识别率可达72%；
2023-03-13 14:34:36
4767
36
原创 【写给自己】成功搭建了ResNet识别MNIST
最后一层不需要softmax输出，直接线性输出即可，因为误差函数交叉熵自带softmax函数。（之前用了softmax输出，导致loss一直在2.4数值附近波动）ResNet，数据为2*N维的IQ信号，先用(3,2)的卷积核对它卷积，得到1维的信号，之后就用(3,1)的卷积核进行卷积。resnet最后一层不需要softmax输出。
2023-02-28 18:46:14
280
原创 【写给自己】搭建cnn识别IQ路调制信号
的完善下，代码终于可以成功跑通。对训练函数进行了完善，之后可以套用这个模板。这样子可以批训练，训练会快很多。同时发现数据可以包装起来。
2023-02-23 19:39:22
333
原创 【写给自己】搭建cnn识别IQ路调制信号
利用IQ两路，信号size为2×128，为了符合CNN处理，先变为1×2×128。数据集来自，本次主要是对论文代码复现，利用pytorch重新写一遍原文基于tensorflow和keras的网络。
2023-01-23 10:23:33
3024
16
原创 【写给自己】自定义自己的数据并调用Torch自带的ResNet网络
训练时候发现，虽然labels是list数据，但是list里面的数据是tensor类型，用torch.save()保存后可能会是乱码，于是先将list里数据转化为numpy，再用numpy.save()保存。并且因为不能用ImageFolder直接导入数据了，因此需要完成继承Dataset，再自定义自己的数据。此时数据不再是one_folder_one_label，本次用的是来自kaggle的dogs-vs-cats。之后进行训练，训练完后仅仅保存网络的参数，而不是完整的网络。训练时间大概是100分钟。
2022-11-24 21:26:10
1732
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人