摘要
本发明公开了一种基于BDVNN的信道化智能接收方法,通过SDR设备对特定频段进行信号接收采集,在上位机的Matlab环境中,利用信道化结构对时域混叠信号进行分离,并根据能量检测方法对各个分离出的信号进行频谱感知,通过Python完成BDVNN识别网络模型训练,最终通过Matlab和Python交互的方式使用已训练BDVNN模型实现对时域混叠信号跨平台样式识别。本发明能够有效实时处理多个同时到达的混叠信号以及类型多样化信号,而且克服了Matlab环境数据采集和Python环境模型开发之间的不匹配,显著简化了开发和验证周期,避免了在Matlab端重新搭建和训练模型的繁琐工作。
技术关键词
低通滤波器
多相滤波器
信道化接收机
能量检测方法
信道化结构
离散傅立叶变换
特征信息融合
网络模型训练
数据格式
采样点
矩阵
时序特征
信号调制
脚本
信号处理
系统为您推荐了相关专利信息
配电网单相接地故障定位方法
配电网拓扑结构
配电网单相接地故障定位装置
检测点
线路
比例谐振控制器
前馈控制方法
有源低通滤波器
前馈算法
逆变器主电路
矢量变频控制方法
动态响应优化
状态观测模型
实时状态信息
工况需求
生物标志物
变压器结构
变压器模块
随机梯度下降
预训练模型