基于特征融合的自动调制识别算法

目前大多数基于神经网络的调制识别算法,只使用时域或频域的单一信息来源,忽视利用多个变换域信息特征进行优势互补。提出基于特征融合的深度学习自动调制识别算法,可有效改善只利用时域或频域单一信息来源的调制识别效果。上述算法包含时频特征提取模块,将信号在不同变换域中的特征进行融合,然后采用基于注意力机制的长短期记忆网络和全连接层进行分类,通过多个变换域信息的特征融合,实现了优势互补。仿真结果表明,相比传统的深度学习调制识别算法,基于特征融合的自动调制识别算法能够有效地提取信号特征,具有更高的识别准确度。

基于远红外热影像融合机器学习及专家领域特征的夜间道路障碍物侦测

提出一个基于远红外线以及深度网络技术的夜间道路障碍物侦测系统.结合深度网络学习到的特征和专家领域知识所抽取的特征,建立融合的辨识模型.根据热影像的特性,设计具有中心对称性的热影像特征抽取方式.结果表明,所提出的系统具有较高的侦测正确率.