摘要
本发明公开了一种低信噪比OTFS信号识别分类方法及识别分类系统,所述识别分类方法包括:S1.获取无线通信信号并构建数据集;S2.使用LSTM网络对数据集中信号的高低信噪比分类;S3.低信噪比信号通过二维输入的DTLN模型进行降噪处理;S4.使用卷积神经网络作为调制信号分类模块,将DTLN模型降噪处理后的数据及高信噪比信号输入调制信号分类模块处理。本发明能够配合低信噪比条件下级联神经网络的多层次特征提取能力,完成低信噪比OTFS信号的高效识别与分类,且从信号预处理到最终分类输出全流程高效处理,即使在低信噪比环境下也能显著改善信号分类效果的目标,能够满足实时信号处理对高准确率、低延迟的要求。
技术关键词
信号识别分类方法
调制信号分类
低信噪比信号
识别分类系统
级联神经网络结构
多层次特征提取
模块
数据
实时信号处理
卷积神经网络模型
短时傅里叶变换
时间序列特征
输出信噪比
随机梯度下降
系统为您推荐了相关专利信息
识别分类方法
识别分类系统
数据处理模块
分支
影像
运算放大器
二次屏柜
低通滤波模块
信号识别分类方法
电容
无线体温监测
柔性传感器
控制平台
多模态特征融合
数据
接收机
信号识别模型
识别方法
信号特征
神经网络模型
图像识别分类方法
特征金字塔网络
图像识别分类系统
视觉
采样模块