论文研究基于全双谱和卷积神经网络的信号分类方法.pdf

为解决电磁频谱中的未知信号分类和身份识别问题，提出一种基于改进卷积神经网络（CNN）LeNet-5模型的信号分类方法。该方法使用信号全双谱作为CNN的输入，然后通过改进的LeNet-5模型学习信号特征并完成信号分类和身份识别。实验结果表明，算法对未知信号调制类型识别率达97%以上，对信号身份属性识别率达96%以上。相比传统方法，该算法对信号身份属性识别率提高6.5%，具有更好的泛化性能，并有效解决了全双谱应用的二维模板匹配和Loss函数值下降缓慢的问题。