摘要
本发明涉及通信信号调制识别技术领域,提供一种基于自适应小波神经网络的自动调制分类方法,通过基于自适应小波神经网络,构建并训练调制信号识别模型。获取待识别调制信号。将待识别调制信号输入至训练好的调制信号识别模型中,获取待识别调制信号的目标调制类型。由于调制信号识别模型是由提取粗粒度的初始卷积特征的初始卷积模块、提取细粒度的多个高频分量特征与低频分量特征的多层自适应小波特征提取模块、以及识别调制类型的调制类型识别模块组成的,因此,在利用调制信号识别模型进行调制信号识别时,能够结合粗粒度特征信息以及细粒度特征信息,有效的提高了对调制信号识别的正确率。
技术关键词
分量特征
调制信号识别
卷积特征
信号特征
小波变换处理
小波神经网络
调制分类方法
特征提取模块
卷积模块
识别模块
通信信号调制识别
训练集
细粒度特征
离子
样本
正确率
参数
系统为您推荐了相关专利信息
稀疏系数向量
指纹提取方法
更新方法
波形
多模态融合技术
气体传感器
机器学习模型
信号特征
气氛
机器可读存储介质
电推进系统
故障诊断模型
故障分类器
特征提取网络
实时监测数据
刀具磨损量
注意力机制
预测刀具
残差神经网络
残差网络
智能视觉设备
能见度
风险预警方法
车载终端
模式