Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
In this paper, we design a parallel-twin convolutional neural network (PT-CNN) deep learning model and use the signal constellation diagram to realize the identification of six advanced optical modulation formats (QPSK, 4QAM, 8PSK, 8QAM, 16PSK, 16QAM) and signal-to-noise-ratio (SNR) estimation. The influence of PT-CNN with different layers and kernel sizes is investigated and the optimal network model is chosen. Simulation results demonstrate that the proposed method has the advantages of not requiring manual feature extraction, having the ability to clearly distinguish the six modulation formats with 100% accuracy when SNR of the received signal sequences is higher than 12 dB. In addition, the high-accurate SNR estimation is realized simultaneously without increasing additional system complexity.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.