基于卷积神经网络的超短波特定信号谱图识别

针对超短波通信中特定信号的识别问题,提出一种将时频谱图和卷积神经网络相结合的超短波特定信号识别方法。该方法首先对特定信号进行短时傅里叶变换得到时频谱图,然后使用时频谱图对改进的卷积神经网络模型进行训练,最后测试网络模型,实现超短波特定信号识别。实验结果表明,该方法对特定信号的识别率能达到98%,在信噪比为0dB时仍能达到97%的识别率,并且在混叠50%时识别率达到了90%。相比传统算法,该方法具有更好的抗低信噪比和抗混叠干扰能力,验证了卷积神经网络在特定信号识别领域的有效性,为该领域的后续研究奠定了基础。

基于谱图和深度卷积网络的超短波特定信号检测和识别方法

针对超短波通信中特定信号的检测和识别问题,提出一种将时频谱图和深度卷积网络相结合的超短波特定信号检测和识别方法。该方法打破传统信号检测方法的思想,能够同时实现信号检测、时频定位和分类识别。首先对超短波特定信号数据做短时傅里叶变换得到时频谱图,然后使用时频谱图训练改进的SSD网络模型,最后测试网络模型,实现超短波特定信号的检测和识别。实验结果表明,针对超短波特定信号特性对SSD网络模型进行的优化改进是有效的,验证深度卷积网络在特定信号检测和识别领域的可行性,为该领域的后续研究奠定基础。